“我做了一个梦,我的画笔在我捡大脑切片的时候裂开了。噩梦般的场景,对吧?当我醒来时,我想:我真的很想念实验室,”我的一位神经学家朋友最近对虚拟的快乐时光感叹道。

她不是一个人。随着流感在美国的蔓延,神经科学实验室关门大吉,留下了未完成的实验、老化的实验室动物和宝贵的大脑样本,如果不处理这些样本,可能意味着失去数月的辛勤工作。就像许多其他领域一样,这场大流行已经让动手操作的“湿实验室”大脑研究戛而停止。解开大脑之谜还需等待。

还是吗?

3月中旬,一个由学术、非盈利和商业神经技术公司组成的三巨头联合起来发起了这项活动一个神经科学的挑战这体现了一个在解决大脑问题方面更具合作性的未来,人们可以分开身体,在家工作。(坦白说:我很幸运地参与了这个项目最初的组织工作。)这一挑战采用了加速科学进步的一套二套方案,最近对Covid-19的研究概括了这一方案。一、大型开放数据库,支持基于人工智能的分析工具;第二,全球利益和团结。

这些情绪对神经科学来说并不新鲜。多亏了大数据和机器学习,通过数据共享,人类大脑项目(Human brain Project)或“大脑计划”(brain Initiative)等大规模的大脑绘图合作已经成为可能。然而,将这些协作思想应用于临床数据集一直很困难,部分原因是数据的复杂性和凌乱性,以及隐私问题。

的NeurekaTM挑战在规模上要小得多,但它体现了同样的原则。项目采用开放数据库的脑电图(EEG)从癫痫患者大脑录音,策划由约瑟夫Picone博士和他的同事们在天普大学医院(TUH),并挑战国际社会neurotech enthusiasts-while远离他们的实验室和呆在家里部署机器学习等人工智能更好地解读这些神经数据并在发作前预测癫痫的工具。

在短短六周内,该挑战收到了来自澳大利亚、比利时、中国、以色列、印度、俄罗斯和其他国家的十多份提案,提出了几个创新的解决方案,仅通过大脑电信号来捕捉癫痫警告。

Picone博士说:“只有当有足够的数据资源支持这项技术的发展,并有一个可以直接比较结果的通用评分方法时,这些挑战才能成功。”

致Yannick Roy,联合创始人兼执行董事NeuroTechX,这是一个支持神经技术专业人士和爱好者全球社区教育和发展的非营利组织,该挑战凸显了人工智能破译神经信号的前景——只要数据集广泛可用。

“大型临床数据集将是未来几年在癫痫等领域解锁人工智能的关键。皮科内博士提供了很大的帮助,不仅在数据集方面,而且在工具、文档以及对理解和使用数据的支持方面,”罗伊说,他领导了这项挑战的组织。

这个结果不仅仅是科学界的自我吹捧。这一挑战的结果,如果进一步探索,可能会彻底改变患者在家中的癫痫监测。这一点尤其重要,因为慢性疾病患者因担心Covid-19而不愿去诊所就诊。

“今天,当我们呆在家里帮助平平Covid曲线时,远程医疗尤其重要,”的首席执行官雷·伊斯坎德(Ray Iskander)说出一部Neurotech该公司帮助概念化并赞助了这项挑战。“但更重要的是,Neureka竞赛向我们展示了开放数据集可以做什么,即使在封锁期间,也可以推动神经科学研究向前发展。”我们的目标是支持类似的数据驱动方法,在远程健康中实现个性化的神经系统解决方案。”

科学范式的转变

我已经讲过很多了神经科学已经有了一个范式的转变协作模型在过去的十年里。深度学习和其他机器学习工具的迅速崛起,使得建立大脑记录数据库和挖掘假说和见解变得特别有趣。

坦普尔大学医院癫痫检测语料库(图茨),由皮科内领导,是最近一个雄心勃勃的尝试。神经工程数据联盟(Neural Engineering Data Consortium)成立于2012年,目的是对生物工程应用的方法进行标准化。癫痫发作语料库是“世界上最大的脑电图数据开源集合”的一个子集,其中有超过5万份临床记录,被称为the天普大学医院EE语料库,”Picone说。

癫痫发作语料库封装了癫痫患者的脑电图记录,这是监测癫痫发作的黄金标准。尽管这些数据集很有价值,但原始数据也非常庞大,人工破译非常困难而且耗时。癫痫语料库帮助对大部分数据进行“标记”——有点类似于监督机器学习中的标记数据——为机器更好地“阅读”人类大脑电子记录铺平了道路。这使得科学家能够探索自动检测癫痫发作的方法。

这是巨大的。能够预测癫痫发作,特别是在发病前几分钟,可以为患者提供一个早期预警系统,帮助减少伤害,甚至挽救生命。六周的挑战并不能让我们做到这一点。但这是一个强有力的概念证明,在封锁期间加速神经科学研究的可能性。

的NeurekaTM挑战

Picone对这一挑战提供了支持,他从截获语料库中建立了几个子数据库,供不同的团队开发他们的软件算法,并测试其准确性和效率。总的来说,该数据集提供了近700名患者近1100小时的脑电图记录,包含超过3500个癫痫发作事件。

主要目标是使用机器学习或其他人工智能方法来尽早检测癫痫发作,同时利用脑电图通道的最小值。通常,国际标准耳机有21个频道(包括参考频道和地面频道)嵌在一个类似泳帽的装置里。它数据密集,体积庞大,日常使用不舒服。

Iskander说:“通过减少检测癫痫发作所需的通道数量,我们有可能制造出一种更舒适的可穿戴设备,帮助癫痫患者在家监测癫痫发作。”

为了指导参与者,NeuroTechX的Roy和天普大学的Picone举办了一场在线演示会议在数据结构、组织和分析方面,同时保持了一个活跃的松弛通道来支持即时问题。

“这项竞赛向我们表明,大量的临床数据集不是你刚开始在学校看到的‘教科书问题’。数据很混乱,来自不同的硬件设备,不同的从业者使用不同的数据。”Roy说。“这种可变性对训练高性能模型具有挑战性。但对于人工智能模型来说,从训练数据集中很好地归纳也是必要的。”

总之,在短短6周的时间里,包括招聘、数据模型培训和评估,这个挑战被接受了15日提交,有几个解决方案优于当前的癫痫检测模型。

“今年表现最好的系统是基于深度学习的。我们发现了两个重要的发现:第一,预处理数据可以显著提高性能,第二,智能地减少脑电图通道的数量,如果处理得当,可以在显著降低复杂性的情况下提供出色的性能,”Picone说。

本着开放科学的精神,获奖者的代码将在网上发布,以供其他人继续开发。该竞赛的结果将于今年12月在宾夕法尼亚州费城的坦普尔大学(Temple University)举行的IEEE信号处理医学与生物学研讨会上公布。

数据集的挑战仍然是开放的今天让别人来分析。然而,对于这支由三种组织组成的球队来说,这次挑战无疑是一场胜利。

“在这次成功的挑战之后,我们已经开始向前看了下一个!”罗伊说。

“虽然我们离临床接受还有一段路要走,但竞赛结果表明,在过去的一年里,我们的表现有了显著的改善。达到临床可接受的性能只是时间问题,”Picone说。

对Iskander来说,挑战是一个概念的验证,即采用开放数据、协作的方法来解决困难的神经障碍——即使,或者特别是在大流行期间,科学家们被切断了与他们的实验室的联系。

“我们被比赛中探索的创造性方法所震撼。挑战并不是终点。他说:“随着研究论文和研究结果的公开,我们希望这一挑战将有助于加快对癫痫患者的远程监测,并提高他们在大流行期间和之后的健康状况。”

图片来源:Gerd奥特曼Pixabay

范雪来是一位神经科学家出身的科学作家。她在不列颠哥伦比亚大学(University of British Columbia)完成了神经科学博士学位,在那里她开发了神经退化的新疗法。在研究生物大脑时,她开始对人工智能和所有生物技术着迷。毕业后,她搬到了加州大学旧金山分校,研究以血液为基础的因素,使衰老的大脑恢复活力。她是……

跟雪莉: