人工智能揭示与记忆和疾病有关的大脑振荡

最近的一项研究展示了脑振荡研究领域的重大飞跃，尤其是关于尖波涟漪的研究——涟漪对记忆的组织至关重要，并在癫痫和阿尔茨海默病等疾病中受到影响。研究人员开发了一套基于啮齿动物脑电图（EEG）数据训练的人工智能模型工具箱，用于自动化并提升这些振荡的检测，并在非人灵长类动物的数据上验证了其有效性。
这一突破源于一场协作黑客松，为科学界提供了上百个经过优化的机器学习模型，包括支持向量机和卷积神经网络，且免费开放。这一进展为神经技术应用开辟了新途径，尤其在诊断和理解神经系统疾病方面。
对脑振荡的研究深化了我们对大脑功能的理解。涟漪是一类快速振荡，构成记忆组织的基础。它们在癫痫和阿尔茨海默病等神经系统疾病中会受到影响。
正因如此，它们被视为一种脑电图（EEG）生物标志物。然而，涟漪呈现出多种波形和特性，可能被标准频谱方法所遗漏。
近期，神经科学界呼吁需要在一系列任务与物种中更好地实现涟漪检测的自动化、统一化与改进。在这项研究中，作者使用在实验室小鼠上获得的记录数据来训练一套机器学习模型工具箱。
「我们使用范德堡大学（美国纳什维尔）由萨曼·阿巴斯普尔（Saman Abbaspoor）和实验室负责人卡里·霍夫曼（Kari Hoffman）作为『脑计划』（Brain Initiative）一部分收集的非人灵长类动物数据，测试了这些模型的能力。
普里达解释道：「我们发现，只要使用相同的记录技术，就可以利用啮齿动物的 EEG 数据训练能够应用于灵长类乃至人类数据的 AI 算法。」
该模型工具箱诞生于一场黑客松，最终筛选出一份最佳检测模型短名单。这些模型架构随后由作者们统一并优化，如今他们向研究界公开提供全部代码与数据。
模型包括一些最著名的监督学习架构，如支持向量机、决策树和卷积神经网络。
「我们从不同架构中识别出一百多个可用模型，供其他研究人员应用或再训练。」该研究的第一作者安德烈亚·纳瓦斯·奥利韦（Andrea Navas Olivé）与阿德里安·鲁比奥（Adrián Rubio）评论道。
普里达总结道：「这一 AI 模型库将在神经技术领域提供新应用，并有助于检测和分析癫痫等疾病中的高频振荡——在这些疾病中，它们被视为临床标志物。」她是西班牙高等科学研究理事会（CSIC）AI-HUB 网络的一员，该网络致力于推进 AI 及其应用的运用。