Creados algoritmos para entender la relación de las conexiones cerebrales con los movimientos

Los neurocientíficos observan y analizan el comportamiento de los animales y su actividad cerebral en entornos controlados, con el objetivo, por ejemplo, de encontrar una relación causal entre la actividad neuronal y la actividad física. Para ello anotan de forma manual los datos de la actividad física, del comportamiento y de la actividad neuronal, una técnica poco eficaz porque requiere mucho tiempo, pueden cometerse errores humanos y es subjetiva, al depender de quien anote las observaciones, por lo que no es reproducible.

En los últimos años, el tratamiento automatizado de estos datos ha ido ganando peso, dado que resulta más eficiente y reproducible. Es el enfoque que ha utilizado en su tesis Waseem Abbas, doctorado en el programa de Tecnologías de la Información y de Redes de la Universitat Oberta de Catalunya (UOC). Parte de la investigación ya ha sido publicada en dos revistas científicas: Sensors y IEEE Access.

La tesis propone soluciones basadas en el aprendizaje profundo (deep learning) para registrar la actividad neuronal y el comportamiento observado en ratones a los que se les bloqueó el movimiento de la cabeza. El objetivo es permitir a los neurocientíficos anotar los datos de comportamiento y extraer patrones neuronales de manera automatizada para que puedan establecer, así, un vínculo causal entre ambos. «Para el seguimiento de gestos, hemos propuesto una ruta basada en el aprendizaje profundo que codifica explícitamente la información temporal aparecida en los vídeos», explica Abbas.

Además, el investigador también analizó imágenes neuronales de los roedores con la ayuda de indicadores de calcio fluorescentes codificados genéticamente (GECI, según su sigla en inglés). «Cuando una neurona está activa, la concentración de GECI cambia dentro de la célula y este cambio es visible bajo un microscopio fluorescente», indica el científico.

Para anotar de forma automática los movimientos de las extremidades de los ratones que aparecían en los vídeos y también detectar todas las neuronas activas en las imágenes de actividad neuronal, el científico entrenó a los algoritmos de aprendizaje profundo que había desarrollado. En concreto, los diseñó para que tuvieran en cuenta en todo momento el contexto espacio-temporal.

Una investigación interdisciplinaria

La tesis es un ejemplo de colaboración interdisciplinaria, en palabras de su director, David Masip. «Colaboramos con investigadores del ámbito de la neurociencia para ayudar a relacionar las conexiones del cerebro, visibles en vivo mediante imágenes basadas en calcio, con los movimientos de las articulaciones», resume Masip, director de la Escuela de Doctorado de la UOC, profesor de los Estudios de Informática, Multimedia y Telecomunicación e investigador principal del grupo Scene understanding and artificial intelligence lab (SUNAI).

Según el científico, la metodología desarrollada permite registrar grandes volúmenes de datos. Por un lado, vídeos de ratones en movimiento y, por otro, cubos de datos del cerebro, lo que requiere una gran automatización, que se ha resuelto con los nuevos algoritmos.

El siguiente paso es entrenar ambos grupos de forma simultánea. «Si hay un conjunto de datos sincrónico disponible, por ejemplo, si hemos visto los datos de imágenes de locomoción y calcio registrados para el mismo animal simultáneamente, entonces podemos entrenar estos dos enfoques juntos para descubrir cualquier relación causal», plantea Abbas.

De un municipio de Pakistán a Barcelona

Desde niño, al joven le han interesado la ciencia y la tecnología. Nacido en el pequeño municipio de Sepoy, en Pakistán —cerca de la frontera con Afganistán—, su pasatiempo favorito era construir juguetes mecánicos con arcilla o con cualquier otra cosa que pudiera encontrar.  

Tras obtener una beca para estudiar en Corea del Sur, Abbas consiguió otra para cursar sus estudios en la Escuela de Doctorado de la UOC, una experiencia que califica como «transformadora».

«Barcelona, con su cultura y su ambiente, me impactó muchísimo. No solo crecí en mi capacidad profesional, sino que también formé vínculos duraderos con personas increíbles», asegura.

Esta investigación favorece los siguientes objetivos de desarrollo sostenible (ODS): el 3, salud y bienestar, y el 9, industria, innovación e infraestructura.  

 

Referencia de la tesis

Abbas. W. «Gesture Tracking and Neural Activity Segmentation in Head-fixed Behaving Mice by Deep Learning Methods».

UOC R&I 

La investigación e innovación (RI) de la UOC contribuye a solucionar los retos a los que se enfrentan las sociedades globales del siglo xxi, mediante el estudio de la interacción de las TIC con la actividad humana, con un foco específico en la sociedad red, el aprendizaje en línea y la salud digital. Los más de 500 investigadores y 51 grupos de investigación se articulan en torno a los siete estudios de la UOC y dos centros de investigación: el Internet Interdisciplinary Institute (IN3) y el eHealth Center (EHC).

Los objetivos de la Agenda 2030 de Desarrollo Sostenible de las Naciones Unidas y el conocimiento abierto son ejes estratégicos de la docencia, la investigación y la innovación de la UOC. Más información: research.uoc.edu #25añosUOC