Les découvertes de la recherche, décrites dans un article paru dans Communications Biology , pourrait ouvrir la voie à de nouvelles opportunités pour détecter les convulsions et les modifications neuronales chez les personnes atteintes de la maladie d'Alzheimer et d'autres troubles neurologiques.

Kari Hoffman, professeure agrégée de psychologie et de génie biomédical à Vanderbilt, et son doctorat. l'étudiant Saman Abbaspoor a travaillé sur l'étude avec les auteurs principaux Adrian Rubio et Andrea Navas Olive du laboratoire de la Prida. Hoffman est également membre du corps professoral du Vanderbilt Brain Institute et du Data Science Institute.

Comme le soulignent les recherches du groupe, l’étude des oscillations cérébrales a apporté une nouvelle compréhension du fonctionnement cérébral. Les ondulations hippocampiques sont un type d’oscillations rapides qui sont à la base de l’organisation des souvenirs. Ils sont affectés par des troubles neurologiques tels que l'épilepsie et la maladie d'Alzheimer, c'est pourquoi ils sont considérés comme un biomarqueur électroencéphalographique (EEG). Cependant, les ondulations présentent diverses caractéristiques et propriétés de forme d'onde qui peuvent ne pas être détectées par les méthodes spectrales standard.

Les chercheurs ont entrepris de mieux comprendre les schémas d'activité cérébrale après que les scientifiques de la communauté des neurosciences ont souligné la nécessité de mieux automatiser, harmoniser et améliorer la détection des ondulations dans une gamme de tâches et d'espèces. Dans l'étude, les auteurs ont utilisé des enregistrements obtenus sur des souris de laboratoire pour former d'abord une boîte à outils de modèles d'apprentissage automatique.

Ils ont ensuite testé la généralisabilité des modèles en utilisant des données provenant de primates non humains collectées à Vanderbilt par Abbaspoor et Hoffman dans le cadre de l'initiative BRAIN. Les chercheurs ont découvert qu'il est possible de former des algorithmes d'IA principalement sur des données de rongeurs, tout en gérant une détection très précise des ondulations chez les primates avec peu ou pas de formation supplémentaire, ce qui suggère que les modèles d'IA pourraient réussir chez les humains.

La boîte à outils de modèles est née d'un hackathon, qui a abouti à une liste restreinte des meilleurs modèles de détection. Le groupe a identifié plus de 100 modèles possibles issus des différentes architectures qui sont désormais disponibles pour application ou recyclage par d'autres chercheurs.

"Cette banque de modèles d'IA fournira de nouvelles applications dans le domaine des neurotechnologies et pourra être utile pour la détection et l'analyse des oscillations à haute fréquence dans des pathologies telles que l'épilepsie, où elles sont considérées comme des marqueurs cliniques", a déclaré Liset de la Prida, professeure de recherche. à l'Instituto Cajal, CSIC.

"Il existe un grand intérêt à tirer parti de l'IA pour permettre une plus grande précision dans la détection des états pathologiques et pour les oscillothérapies", a ajouté Hoffman. "Ces méthodes offrent la promesse d'aller au-delà de la détection du "où" dans le cerveau, mais également de détecter et finalement de corriger le "quand et le comment" des oscillopathies."