Para ilmuwan mengatakan program kecerdasan buatan yang mereka bandingkan dengan ChatGPT telah membantu mereka membuat salah satu peta otak tikus paling detail hingga saat ini, dengan 1.300 wilayah dan subwilayah yang ditandai di peta.
Beberapa subkawasan tersebut belum pernah dipetakan sebelumnya – dan para peneliti mengatakan masih banyak lagi subkawasan yang akan datang. “Saya pikir sudah ada indikasi bahwa kita bisa melampaui apa yang kita lihat sekarang,” kata Bosiljka Tasic, direktur genetika molekuler di Allen Institute for Brain Science di Seattle.
Upaya pemetaan, yang dipimpin oleh para peneliti di Universitas California di San Francisco dan Allen Institute, dirinci dalam sebuah penelitian yang diterbitkan hari ini di jurnal Nature Communications.
“Model kami dibangun dengan teknologi canggih yang sama dengan alat AI seperti ChatGPT,” kata penulis senior Reza Abbasi-Asl, ahli saraf di UCSF, dalam rilis berita. “Keduanya dibangun di atas jaringan ‘transformator’ yang unggul dalam memahami konteks.”
Konteks itu mungkin penting untuk mengobati penyakit neurologis, kata Tasic kepada GeekWire.
“Lokasi adalah segalanya di otak,” katanya. “Mendefinisikan geografi otak, dan kemudian mendefinisikan semua wilayah ini dan fungsinya, tidak hanya menghasilkan pemahaman yang lebih baik, tetapi juga kemampuan pengobatan yang lebih baik.”
Peta struktur seluler otak yang lebih rinci dapat mengarah pada pengobatan obat yang lebih bertarget dan menyebabkan lebih sedikit efek samping. “Kami selalu ingin melakukan terapi otak yang lebih baik dan tepat, namun untuk mencapai hal tersebut, Anda perlu mengetahui di mana Anda perlu melakukan intervensi, apa yang salah di bagian mana, dan apa yang perlu Anda perbaiki,” kata Tasic. “Dan jika Anda tidak memiliki petanya, bagaimana Anda bisa tahu di mana letaknya?”
Memetakan lingkungan otak
Upaya pemetaan otak biasanya mengandalkan interpretasi manusia terhadap anatomi otak, namun para ilmuwan semakin baik dalam mengidentifikasi lokasi dan fungsi jutaan sel otak individu. Mereka menjadi jauh lebih baik dalam mengumpulkan data dalam jumlah besar sehingga mereka memerlukan AI untuk membantu interpretasinya.
“Kami berada pada titik di mana kami memiliki teknologi eksperimental yang luar biasa, sehingga pengurutan generasi berikutnya telah mengalami revolusi total,” kata Tasic. “Cara kami mendefinisikan tipe sel – fakta bahwa Anda dapat mengukur ribuan gen per sel, dan mendefinisikan sel yang mirip dengan tipe sel – telah mengubah biologi.”
Ketersediaan perangkat lunak yang dapat menangani data berdimensi tinggi menjadikan ini “waktu yang luar biasa bagi seorang ahli saraf,” katanya.
Kunci dari studi yang baru diterbitkan ini adalah model AI yang disebut CellTransformer. Model ini menyaring sejumlah besar data tentang lokasi dan fungsi sel-sel otak, yang dikenal sebagai kumpulan data transkriptomik spasial, untuk menentukan sel mana yang termasuk dalam “lingkungan” otak yang sama.
CellTransformer menganalisis data transkriptomik spasial sekitar 9 juta sel di lebih dari 200 bagian jaringan yang diambil dari otak empat tikus. Pada awalnya, para peneliti memprogram model tersebut untuk menentukan batas-batas 25 wilayah di otak. Akhirnya, mereka mengeluarkan resolusi untuk menetapkan 670 wilayah dan subkawasan. Pada setiap tingkat resolusi, peta otak CellTransformer cocok dengan apa yang telah didefinisikan sebelumnya oleh para ahli manusia.
Kemudian angka tersebut diputar untuk menghasilkan 1.300 wilayah dan subwilayah. Pada tingkat tersebut, CellTransformer berhasil mereplikasi peta wilayah otak yang dikatalogkan. Penelitian ini juga mengidentifikasi subwilayah yang sebelumnya tidak terkatalogkan dan lebih terperinci di area otak yang saat ini kurang dipahami.
Tasic mengatakan prosesnya seperti beralih dari peta yang hanya menunjukkan benua, atau hanya negara, ke peta yang menunjukkan negara bagian, kota, dan bahkan lingkungan di dalam kota.
“Maksud kami adalah, mari kita ambil sel mana pun dan bertanya, ‘Siapa tetangganya?’ Lalu berdasarkan kesamaan tetangganya, sebut saja satu wilayah,” ujarnya. “Pada dasarnya, itulah yang dilakukan CellTransformer.”
Beberapa subwilayah yang belum dipetakan sebelumnya berada di nukleus retikuler otak tengah, yang memainkan peran kompleks dalam memproses informasi sensorik dan motorik. Subwilayah lain yang baru diidentifikasi berada di kolikulus superior, bagian otak tengah yang memproses informasi sensorik dan memulai gerakan mata, kepala, dan tubuh untuk fokus pada objek yang diinginkan.
Berfokus pada neuro-frontier baru
Tasic mengatakan algoritma CellTransformer dapat diubah untuk menghasilkan peta otak yang lebih rinci. “Sekarang, pertanyaannya adalah, mana yang bermakna, dalam hal apa, dan apa yang diwakilinya secara biologis?” katanya.
Pertanyaan lain berkaitan dengan apa yang disebut dengan subkawasan yang baru dikarakterisasi. “Bayangkan saja Anda datang ke sebuah negeri baru, dan Anda melihat ada ini dan itu. Tapi sekarang saya perlu memberi nama. Sekarang saya perlu melihat apa lagi yang ada di sekitarnya,” kata Tasic. “Kami ingin memberikan nama yang bermakna dan sistematis serta referensi kaitannya dengan peta lama.”
Mungkin pertanyaan terbesar berkaitan dengan bagaimana peta yang baru diterbitkan, yang didasarkan pada jenis sel, akan sejalan dengan peta yang melacak hubungan antar sel, atau pola aktivitas sel otak. “Saya hanya berharap pengumpulan data yang lebih sistematis, analisis data yang lebih sistematis, dan model yang lebih multimodal – model yang tidak hanya mengukur ekspresi gen dan tipe sel, namun juga konektivitas dan produktivitas, dan menentukan wilayah otak berdasarkan semua itu,” kata Tasic.
Tasic mengatakan teknik berbasis AI yang dikembangkan untuk memetakan otak tikus “benar-benar dapat diterapkan pada otak manusia,” namun dia tidak berharap hal itu terjadi dalam semalam.
“Batasnya sebenarnya pendataan,” ujarnya. “Otak manusia sangat besar, jadi itu salah satu masalahnya.… Saya tidak ingin memberikan perkiraan apa pun, tapi mungkin akan memakan waktu satu dekade lebih untuk mengumpulkan data-data tersebut. [data about] otak manusia seutuhnya pada tingkat detail yang kami lakukan pada tikus.”
Peneliti UCSF Alex Lee adalah penulis utama studi Nature Communications, yang berjudul “Penemuan Wilayah Berbutir Halus Berbasis Data di Otak Tikus Dengan Transformers.” Penulis lain termasuk Alma Dubuc, Michael Kunst, Shenqin Lao, Nicholas Lusk, Lydia Ng, Hongkui Zeng, Bosiljka Tasic dan Reza Abbasi-Asl.
