Chama-se Neuron Tracing and Active Learning Environment (ou NeuroTrALE) e foi criado por investigadores do Massachusetts Institute of Technology (MIT) para ajudar na compreensão de condições neurológicas como doença de Alzheimer, acelerando a descoberta da cura e de possíveis tratamentos.
“Reconstruir as complexidades de como o cérebro humano funciona a nível celular é um dos grandes desafios da neurociência”, afirma Lars Gjesteby, investigador do MIT, citado em comunicado. “Atlas cerebrais de elevada resolução e ligados em rede podem ajudar a melhorar o nosso entendimento das doenças ao assinalarem as diferenças entre cérebros saudáveis e doentes”, realça. No entanto, o progresso nesta área tem sido “afetado pela falta de ferramentas para visualizar e processar grandes conjuntos de imagens do cérebro”.
Os atlas cerebrais descritos pelo investigador são, essencialmente, mapas detalhados do cérebro que ajudam a rastear a sua atividade e a desenvolver informação estruturada que ilustre o funcionamento neuronal. Porém, os métodos atuais para processar este tipo de informação ainda não estão preparados para lidar com datasets à escala do cérebro humano, o que dificulta a análise dos dados.
Um software que combine machine learning com supercomputação, trazendo uma maior facilidade no uso e no acesso poderá acelerar as descobertas. É aqui que entra o NeuroTrALE, que, segundo os investigadores, é capaz de automatizar grande parte do processamento de informação, contando com uma interface interativa que permite editar e manusear os dados para procurar padrões específicos e testar hipóteses.
O NeuroTrALE destaca-se por recorrer a uma técnica de machine learning, conhecida como aprendizagem ativa, indicam os investigadores. Os seus algoritmos são treinados para classificar dados de entrada automaticamente tendo em conta informação pré-existente. . Caso não existam dados anteriores, a aprendizagem ativa permite corrigir erros potenciais, ensinando ao algoritmo como deve agir quando encontrar informação semelhante no futuro.
Uma vez que o algoritmo é capaz de realizar grande parte do trabalho de classificação, os investigadores têm acesso aos dados mais rapidamente e conseguem simular as suas teorias de forma mais célere. O NeuroTrALE representou uma redução de 90% do tempo de computação necessário para processar 32 GB de dados face a outros métodos que também usam Inteligência Artificial.
