新開源工具幫助解開大腦的糾結 | 麻省理工學院新聞

2023年末，美國食品藥品監督管理局批准了第一種有潛力減緩阿茲海默症進展的藥物

阿茲海默症是許多令人痛苦的神經系統疾病之一，這些疾病影響了全球八分之一的人口。雖然這種新藥是一個正確的方向，但我們仍然需要很長的時間來完全理解它和其他類似的疾病。

腦部功能的挑戰

麻省理工學院林肯實驗室的人類健康與表現系統組的技術人員和算法開發者拉斯·耶斯特比（Lars Gjesteby）表示：“重建人類大腦在細胞層面上如何運作的複雜性是神經科學中最大的挑戰之一。” “高解析度的網絡腦圖可以幫助我們通過確定健康大腦和病變大腦之間的差異來改善對疾病的理解。然而，由於缺乏可視化和處理非常大腦成像數據集的工具，進展受到阻礙。”

什麼是網絡腦圖？

網絡腦圖本質上是一個詳細的腦部地圖，可以幫助將結構信息與神經功能聯繫起來。要建立這樣的腦圖，需要處理和標註腦部成像數據。例如，每根軸突（連接神經元的細纖維）需要被追蹤、測量並標記信息。目前處理腦部成像數據的方法，如桌面軟件或手動工具，尚未設計用來處理人腦規模的數據集。因此，研究人員經常需要花費大量時間在原始數據的海洋中掙扎。

NeuroTrALE的誕生

耶斯特比正在領導一個項目，建立神經追蹤和主動學習環境（Neuron Tracing and Active Learning Environment，簡稱NeuroTrALE），這是一個將機器學習、超級計算以及易用性和可訪問性結合在一起的腦部映射挑戰的軟件管道。NeuroTrALE自動化了大部分數據處理，並以互動界面顯示輸出，允許研究人員編輯和操作數據，以標記、過濾和搜索特定模式。

像解開毛線球一樣

NeuroTrALE的一個重要特徵是它使用的機器學習技術，稱為主動學習。NeuroTrALE的算法會根據現有的腦部成像數據自動標記進來的數據，但不熟悉的數據可能會出現錯誤。主動學習允許用戶手動修正錯誤，教導算法在下次遇到類似數據時改進。這種自動化和手動標記的結合確保了準確的數據處理，並減輕了用戶的負擔。

加速數據處理

由於NeuroTrALE減輕了用戶的標記負擔，研究人員可以更快地處理更多數據。此外，軸突追蹤算法利用並行計算，將計算分配到多個GPU上，從而實現更快的可擴展處理。使用NeuroTrALE，團隊展示了處理32GB數據所需的計算時間比傳統AI方法減少了90%。

團隊還顯示，數據量的顯著增加並不意味著處理時間會相應增加。例如，在最近的一項研究中，他們展示了數據集大小增加了10,000%，但總數據處理時間僅增加了9%和22%。

開放源碼的發現之路

NeuroTrALE項目是林肯實驗室與麻省理工學院Kwanghun Chung教授實驗室之間的內部資助合作。林肯實驗室團隊需要建立一種方法，讓Chung實驗室的研究人員分析和提取從麻省理工學院超級雲（MIT SuperCloud）流入的大量腦部成像數據中的有用信息。林肯實驗室在高性能計算、圖像處理和人工智能方面的專業知識使其非常適合解決這一挑戰。

在2020年，團隊將NeuroTrALE上傳到超級雲，到了2022年，Chung實驗室已經產生了結果。在一項發表在《科學》雜誌上的研究中，他們使用NeuroTrALE量化了與阿茲海默症相關的前額葉皮層細胞密度，發現受此病影響的大腦在某些區域的細胞密度低於未受影響的腦部。該團隊還找到了在阿茲海默症影響的腦組織中有害神經纖維容易纏結的地方。

NeuroTrALE的工作仍在繼續，林肯實驗室和國立衛生研究院（NIH）資助了該項目的能力建設。目前，其用戶界面工具正在與谷歌的Neuroglancer程序整合，這是一個開源的基於網頁的神經科學數據查看應用程序。NeuroTrALE增加了用戶動態可視化和編輯其標註數據的能力，並允許多個用戶同時處理相同的數據。用戶還可以創建和編輯多種形狀，如多邊形、點和線，以方便標註任務，並為每個標註自定義顏色顯示，以區分密集區域中的神經元。

NeuroTrALE提供了一個平台無關的端到端解決方案，可以通過容器輕鬆快速地部署在獨立、虛擬、雲端和高性能計算環境中。”來自實驗室人工智能技術組的高性能計算工程師亞當·米哈利亞斯（Adam Michaleas）表示。“此外，它通過提供實時協作的能力，顯著改善了最終用戶的體驗。”

為了與NIH的研究產品共享使命保持一致，團隊的目標是將NeuroTrALE打造成一個完全開源的工具，供任何人使用。耶斯特比表示，這種工具是實現全面映射人腦以進行研究和最終藥物開發的必要條件。“這是一個由社區推動的基層努力，數據和算法旨在被所有人共享和訪問。”

NeuroTrALE的軸突追蹤、數據管理和互動用戶界面的代碼庫通過開源許可公開提供。如需有關使用NeuroTrALE的更多信息，請聯繫拉斯·耶斯特比。