팀에 따르면 AI 시스템은 특수 초소형 현미경과 함께 사용하여 움직임, 학습 및 기억 중에 세포가 활성화되는 위치와 시간을 정확히 감지할 수 있다. 이 새로운 전략으로 통찰력 있는 데이터를 수집함으로써 과학자들은 결국 뇌가 어떻게 기능하고 질병에 의해 영향을 받는지 이해할 수 있었다.

Xingde Li, Ph.D.는 존스 홉킨스 대학교 의과 대학의 생물 의학 공학 교수이다.

"생쥐의 머리가 이미징을 위해 구속되면 뇌 활동이 신경 기능을 제대로 나타내지 않을 수 있다."라고 Li가 말했다. "포유류의 일상적인 기능을 제어하는 뇌 회로를 매핑하려면 동물이 자유롭게 움직이고 먹고 사교하는 동안 개별 뇌 세포와 그 연결 사이에서 무슨 일이 일어나고 있는지 정확하게 볼 필요가 있다."

초소형 현미경으로 데이터 수집

연구팀은 생쥐의 머리 꼭대기에 놓을 수 있는 초소형 현미경을 만들어 상세한 데이터를 수집하기 시작했다. 그렇긴 하지만, 현미경은 직경이 불과 몇 밀리미터에 불과하므로 운반할 수 있는 이미징 기술의 양을 제한한다. 생쥐의 호흡이나 심장 박동도 현미경으로 캡처한 데이터의 정확도에 영향을 줄 수 있으므로 연구자들은 이러한 방해를 제거하기 위해 초당 20프레임을 초과해야 할 것으로 추정한다.

"프레임 속도를 높이는 두 가지 방법이 있다."라고 Li는 말한다. "스캔 속도를 높이고 스캔 포인트 수를 줄일 수 있다."

엔지니어링 팀은 이전에 초당 6프레임으로 스캐너의 물리적 한계에 도달한 연구를 수행했다. 두 번째 전략에서는 스캔된 포인트 수를 줄여 프레임 속도를 높였다. 이 전략으로 인해 현미경은 더 낮은 해상도의 데이터를 캡처할 수 있었다.

AI 프로그램 교육

Li의 가설에 따르면 AI 프로그램은 누락된 점을 인식하고 복원하도록 훈련될 수 있으며 결과적으로 더 높은 해상도를 얻을 수 있다. 그러나 이러한 접근 방식의 주요 과제 중 하나는 AI를 훈련시킬 유사한 생쥐 두뇌 이미지가 부족하다는 것이다.

팀은 2단계 훈련 전략을 개발하여 이를 극복하기 시작했다. 첫 번째는 AI가 생쥐 뇌 조직의 고정 샘플 이미지에서 뇌의 구성 요소를 식별하도록 훈련했다. 그런 다음 그들은 AI가 초소형 현미경 아래에 있는 머리에 고정된 살아있는 생쥐의 빌딩 블록을 인식하도록 훈련했다. 이 새로운 기술을 통해 AI는 자연스러운 구조적 변화와 생쥐의 호흡과 심장 박동의 움직임으로 인한 움직임으로 뇌 세포를 인식할 수 있었다.

"움직이는 생쥐에서 데이터를 수집할 때마다 AI 네트워크가 인식할 수 있을 만큼 유사할 것이라는 희망이 있었다."라고 Li가 말했다.

연구원들은 프레임 속도를 점진적으로 증가시켜 생쥐 두뇌 이미지를 정확하게 향상시킬 수 있는지 확인하기 위해 AI 프로그램을 테스트했다. 그들은 AI가 초당 최대 26프레임의 이미지 품질을 복원할 수 있음을 발견했다.

AI 도구가 생쥐에 부착된 미니 현미경으로 어떻게 작동하는지 알기 위해 연구자들은 생쥐가 주변 환경에서 움직일 때 활성화되는 개별 뇌 세포의 활동 스파이크를 관찰할 수 있었다.

Li는 "전에는 이러한 고해상도와 프레임 속도로 이 정보를 본 적이 없었다."고 말한다. "이번 개발은 뇌가 세포 수준에서 행동에 어떻게 동적으로 연결되어 있는지에 대한 더 많은 정보를 수집하는 것을 가능하게 할 것이다."

팀에 따르면 AI 프로그램은 초당 최대 104프레임의 이미지를 정확하게 해석하기 위해 더 많은 교육을 받을 수 있다.

이번 연구 결과는 네이처 커뮤니케이션즈(Nature Communications) 저널에 게재됐다.