Ученые из Weill Cornell Medicine разработали алгоритм Krakencoder, который помогает понять, как структура мозга влияет на наши мысли и действия. Исследование, опубликованное в издании Nature Methods, использовало данные визуализации из проекта Human Connectome Project, чтобы сопоставить нейронную активность с реальными связями в мозге.

Мозг — это сложная сеть нейронов, где анатомические связи (структурный коннектом) и паттерны активности (функциональный коннектом) определяют наше поведение. Но оказалось, что области, связанные физически, не всегда работают синхронно.

Мы только начинаем понимать, как сети мозга связаны с повседневными задачами — решением математических задач, общением или вождением машины, — говорит доктор Эми Кучеески, ведущий автор исследования.

Проблема в том, что разные методы визуализации дают разные карты мозга. Это как ощупывать слона в темноте: один трогает хобот, другой — ногу, третий — ухо. Чтобы получить целостную картину, команда создала Krakencoder — инструмент, который объединяет данные разных методов в единую модель.

Используя данные 700 участников Human Connectome Project, алгоритм научился предсказывать функциональный коннектом по структурному в 20 раз точнее, чем предыдущие методы. Он также определял возраст, пол и когнитивные способности человека — то, что раньше было почти невозможно вычислить по снимкам мозга.

Следующий шаг — объединить Krakencoder с инструментом NeMo, который анализирует изменения в мозге после повреждений. Например, аспирантка Кристи Гиллиес использует этот подход для прогнозирования восстановления после инсульта.

«Наша модель предсказывает двигательные и речевые функции точнее, чем стандартные методы», — говорит Кучеески.

В будущем это может помочь усилить поврежденные связи мозга с помощью магнитной стимуляции и ускорить реабилитацию.

Этот метод открывает путь к персонализированной медицине: можно точнее прогнозировать последствия инсультов, подбирать терапию при нейродегенеративных заболеваниях и даже улучшать когнитивные функции. Если алгоритм сможет предсказывать, какие связи нужно стимулировать для восстановления, это изменит реабилитацию.

Пока новая разработка опирается на данные здоровых людей из Human Connectome Project. Но мозг пациентов с патологиями может работать иначе. Кроме того, MRI-сканы имеют ограниченное разрешение, и алгоритм может упускать тонкие, но важные связи.

Ранее ученые составили карту воздействия кетамина на мозг.