El estudio podría ayudar a una mejor gestión de los pacientes con Alzheimer

Nueva Delhi (India Science Wire): Un equipo de investigadores de la Universidad de Bangalore
El Instituto Indio de Ciencias (IISc) ha desarrollado un algoritmo de aprendizaje automático basado en GPU
que promete ayudar a identificar los primeros signos de envejecimiento o deterioro de la función cerebral antes
se manifiestan conductualmente en los pacientes de Alzheimer.

Millones de neuronas disparan en el cerebro cada segundo, generando pulsos eléctricos que viajan
a través de redes neuronales de un punto del cerebro a otro a través de cables de conexión
o “axones”. Estas conexiones son esenciales para los cálculos que realiza el cerebro.
Comprender la conectividad cerebral es fundamental para descubrir las relaciones cerebro-conducta en
escala.

Los axones son como autopistas de la información. Los haces de axones tienen forma de tubos y el agua
las moléculas se mueven a través de ellos, a lo largo de su longitud, de manera dirigida. Un tipo de escaneo
llamada Imagen de Resonancia Magnética de difusión (dMRI) se utiliza para rastrear estos movimientos.
Sin embargo, los datos obtenidos de los escaneos solo proporcionan el flujo neto de moléculas de agua en
cada punto en el cerebro que no es suficiente para identificar las conexiones.

“Imagina que las moléculas de agua son autos. La información obtenida de los escaneos es solo
la dirección y la velocidad de los vehículos en cada punto del espacio y del tiempo, pero sin
información sobre las carreteras. La tarea en cuestión es similar a inferir las redes de caminos
observando estos patrones de tráfico”, explica Devarajan Sridharan, profesor asociado de la
el Centro de Neurociencia (CNS), IISc, y autor correspondiente del estudio. alzimers: un estudio podría ayudar a mejorar el manejo de los pacientes con Alzheimer

Los científicos habían desarrollado previamente un algoritmo llamado LiFE (Evaluación de Fascículo Lineal) para
llevar a cabo el trabajo. Pero, uno de sus desafíos fue que trabajaba en central tradicional
unidades de procesamiento (CPU), lo que hacía que los cálculos consumieran mucho tiempo.

En el nuevo estudio, el equipo de Sridharan ajustó su algoritmo para reducir la computación
esfuerzo involucrado de varias maneras, mejorando así significativamente el desempeño de LiFE. Acelerar

Para mejorar aún más el algoritmo, el equipo lo rediseñó para que funcione en chips electrónicos especializados.
del tipo que se encuentra en las computadoras de juegos de gama alta, llamadas unidades de procesamiento de gráficos (GPU).
Esto les ayudó a analizar datos entre 100 y 150 veces más rápido que los enfoques anteriores.

El algoritmo mejorado llamado ReAl-LiFE también podría predecir cómo un sujeto de prueba humano
se comportaría o llevaría a cabo una tarea específica. Usando el algoritmo, el equipo pudo explicar
variaciones en las puntuaciones de las pruebas conductuales y cognitivas en un grupo de 200 participantes.

Los investigadores notaron que dicho análisis también puede tener aplicaciones médicas como datos
el procesamiento a gran escala es cada vez más necesario para la neurociencia de big data
aplicaciones, especialmente para comprender la función cerebral saludable y la patología cerebral.

Por ejemplo, usando su nuevo algoritmo, el equipo espera poder identificar los primeros signos de
envejecimiento o deterioro de la función cerebral antes de que se manifiesten conductualmente en la enfermedad de Alzheimer
pacientes

Además de Sridharan, el equipo de estudio estuvo compuesto por Varsha Sreenivasan, Sawan Kumar, Partha
Talukdar y Franco Pestilli. Han publicado un informe sobre su trabajo en la ciencia.
Revista Nature Computational Science. (Cable de ciencia de la India)



Fuente del artículo

Deja un comentario