KI kartiert das glymphatische System

Glymphatische Basislinie: Erst 2012 Nedergaard beschrieben, fungiert das glymphatische System als interne Rohrleitungsanlage des Gehirns. Wenn ein Proband in den Tiefschlaf eintreten, zirkuliert eine wasserähnliche Flüssigkeit um das zentrale Nervensystem, um metabolische Ablagerungen, die mit neurodegenerativen Erkrankungen assoziiert sind, zu entfernen.

Die MRI-Geschwindigkeitsbegrenzung: Die Bewertung dieser inneren Flüssigkeitszirkulation in einem lebenden Gehirn war historisch nahezu unmöglich.

Herkömmliche Mikroskope bieten zwar hochauflösende Ansichten, jedoch nur eines mikroskopisch kleinen Gewebegewebes, während konventionelle 3D-MRTs über die sensorische Kapazität verfügen, um die Geschwindigkeit üssigkeitsströmungen für solche langsamen Bewegungen zu erfassen.

Technik und Auswirkungen

Physikinformierte neuronale Netze: Um diese technologische Lücke zu überbrücken, haben Maschinenbauingenieure und computergestützte Wissenschaftler maßgeschneiderte, physikinformierte KI-Werkzeuge entwickelt.

Durch das Training neuronaler Netze auf MRT-Videos, die die Verfolgung Gehirns über die Zeit dokumentieren, gelang der KI die präzise Bestimmung der Flüssigkeitsströmungsgeschwindigkeiten und die Kartierung der Gewebeporosität.

Das Dual-Geschwindigkeits-Grundriss: Die KI enthüllte, dass das glymphatische System toxische Amyloid-beta-Partikel mit zwei unterschiedlichen Geschwindigkeiten beseitigt. Der „Schnellweg" transportiert Flüssigkeit mit wenigen Mikrometern pro Sekunde durch offene kortikale Regionen, wie beispielsweise die Oberfläche zwischen Schädel und Gehirn.

Technik und Auswirkungen

Im Gegensatz dazu durchfließt der „langsame Pfad" tiefes Hirngewebe mit einer Geschwindigkeit, die etwa 50-mal geringer ist. Roadmap zur Diagnostik: Während derzeitige Basiswerte erfolgreich in Tiermodellen ermittelt wurden, optimieren Forscher die KI-Software für den Einsatz in der menschlichen klinischen Praxis.

Ziel ist es, die Strömungsdynamik in jungen, alten, gesunden und erkrankten Gehirnen zu vergleichen. Abfangen: Erstautor Professor Douglas Kelley betont, dass die Beherrschung dieser Strömungskartierung die Wissenschaft näher an ein frühes Screening für eine schlechte Hirndurchblutung bringt, um die Alzheimer-Krankheit zu verhindern.

Zudem könnte die Technologie unmittelbar nach einer Gehirnerschütterung eingesetzt werden, um zu prüfen, ob die innere Flüssigkeitszirkulation eines Patienten gefährlich gestört wurde.

Was die Studie zeigt

Quelle: University of Rochester Wenn eine Person in den tiefen Schlaf fällt, zirkuliert eine wasserähnliche Flüssigkeit um das Gehirn und spült dabei den metabolischen Abfall ab, der mit Krankheiten wie Alzheimer in Verbindung steht.

Dieser Prozess, der als glymphatisches System bekannt ist, wurde erstmals 2012 – einer bahnbrechenden Neurowissenschaftlerin und Co-Leiterin des Zentrums für translativ Neuromedizin der University of Rochester.

Dennoch bestehen weiterhin Fragen zur Funktionsweise des Systems, insbesondere hinsichtlich der Geschwindigkeit, mit der die Flüssigkeit im Gehirn zirkuliert. Die Untersuchung der Zirkulation in einem lebenden Gehirn ist schwierig, ohne dem Untersuchungsobjekt irreparable Schäden zuzufügen.

Technik und Auswirkungen

Physikinformierte künstliche Intelligenz kann aus MRT-Aufnahmen die Geschwindigkeiten der glymphatischen Flüssigkeit ermitteln und so einen äußeren kortikalen Fluss aufdecken, der fünfzigmal schneller ist als die Zirkulation im tiefen Gewebe.

Quelle: Neuroscience News: „Man kann ein Mikroskop auf einen kleinen Bereich des Gehirns richten und dort mit großer Detailtiefe beobachten, was vor sich geht; wir haben bereits mit solchen Daten gearbeitet, doch sie bieten nur einen winzigen Ausschnitt auf den gesamten Prozess," sagt Professor Douglas Kelley für Maschinenbau der University of Rochester.

Wenn Sie ganze Gehirne abbilden möchten, ist die MRT ein hervorragender Ansatz, da sie einen dreidimensionalen Überblick bietet. Die MRT hat jedoch auch erhebliche Einschränkungen, wovon die wichtigste darin besteht, dass sie die Strömungsgeschwindigkeit üssigkeiten nicht erfasst – zumindest nicht bei so langsamen Strömungen.

Technik und Auswirkungen

Kelley und seine Kollegen, der Brown University und der Universität Kopenhagen wandten sich daher der künstlichen Intelligenz zu. In einer neuen Studie, die in Science Advances veröffentlicht wurde, beschreiben sie, wie sie physikbasierte künstliche Intelligenz einsetzten, um aus MRT-Daten die Strömungsgeschwindigkeiten üssigkeiten zu bestimmen.

Durch die Analyse, die die Ausbreitung über die Zeit zeigen, konnten die Netze ableiten, mit welcher Geschwindigkeit die Flüssigkeiten strömen und wie durchlässig das Hirngewebe ist.

Die Ergebnisse zeigen, dass das glymphatische System Partikel im Gehirn – wie beispielsweise Amyloid-beta-Proteine, die mit der Alzheimer-Krankheit in Verbindung stehen – auf zwei Hauptwegen entfernt, wobei einer dieser Wege deutlich schneller ist als der andere.

Was die Studie zeigt

Die schnelle Strömung der wasserähnlichen Flüssigkeit des glymphatischen Systems bewegt sich mit wenigen Mikrometern pro Sekunde in den offenen Bereichen des Gehirns, etwa an der Oberfläche zwischen Schädel und Gehirn, während die langsamere Strömung dieser wasserähnlichen Flüssigkeit durch das tiefe Gewebe des Gehirns mit einer Rate 50-mal langsamer sickert.

Bisher haben sich die Forscher darauf konzentriert, Basiswerte für die Flüssigkeitsströmung in den Gehirnen Mäusen zu ermitteln, um die KI-Tools zu informieren.

In Zukunft hoffen sie, die Flüssigkeitsströmung in gesunden und kranken sowie in jungen und alten Gehirnen vergleichen zu können, mit dem Ziel, zukünftig auch die Durchblutung beim Menschen zu untersuchen. „Wir arbeiten hart daran, den Fluss wasserartiger Flüssigkeiten innerhalb und um das menschliche Gehirn messen zu können, denn dann werden die klinischen Anwendungen deutlich wichtiger und spannender", sagt Kelley. „Wir hoffen, eines Tages feststellen zu können, ob ein Alzheimer-Patient eine schlechte Durchblutung im Gehirn hat, oder sogar früher im Leben auf eine schlechte Durchblutung zu screenen, um Alzheimer vorzubeugen.

Technik und Auswirkungen

Oder wir können prüfen, ob bei einer Person nach einer Gehirnerschütterung die Flüssigkeitszirkulation im Gehirn gestört ist. Diese Studie bringt uns einen Schritt näher." Förderung: Die Forschung wird vom NIH National Center for Complementary and Integrative Health und der NIH BRAIN Initiative unterstützt.

Die Mitforscher Juan Diego Toscano, den computergestützten Wissenschaftler Yisen Guo, den Doktoranden Zhibo Wang, den Doktoranden Mohammad Vaezi, den Associate Professor Yuki Mori ät Kopenhagen, den Professor George Karniadakis die Assistant Professor Kimberly Boster üsselfragen: A: Es ist die einzigartige Methode des Gehirns, biologischen Abfall zu eliminieren.

Wie jeder andere aktive Organismus produziert das Gehirn während des Tages metabolische Abfallstoffe.

Was die Studie zeigt

Während des Tiefschlafs öffnet sich das glymphatische System, wodurch eine wasserähnliche Flüssigkeit durch die neuronale Architektur zirkulieren und toxische Substanzen wie Amyloid-beta-Proteine ausspülen kann, die direkt mit der Entstehung der Alzheimer-Krankheit in Verbindung stehen.

A: Denn herkömmliche MRTs sind im Wesentlichen blind gegenüber Flüssigkeitsbewegungen, die so extrem langsam sind. Während eine konventionelle MRT-Untersuchung ein einwandfreies dreidimensionales Bild der Form des Gehirns liefert, fehlt ihr die technische Kapazität, die Geschwindigkeit des glymphatischen Flusses zu berechnen.

Durch den Aufbau eines maßgeschneiderten, physikbasierten KI-Systems können Forscher Videos der Farbstoffausbreitung im Gewebe analysieren und mathematisch exakt ableiten, wie schnell die Flüssigkeit strömt und wie durchlässig die Gehirnstruktur ist. A: Sie bietet einen sofortigen, nicht-invasiven Einblick in innere strukturelle Traumata.

Was die Studie zeigt

Wenn eine Person einen schweren Schädligkeitsschlag erleidet, kann die physische Einwirkung die empfindlichen Wege des glymphatischen Systems stören und die Fähigkeit des Gehirns zur Selbstreinigung zum Erliegen bringen.

Durch den Einsatz dieser KI-gestützten Fluid-Tracking-Technologie könnten Kliniker zukünftig Patienten mit Schädligkeitsschlägen untersuchen, um festzustellen, ob ihre Flüssigkeitszirkulation beeinträchtigt ist, was deutlich intelligentere und individualisierte Rehabilitationsprotokolle ermöglicht.

Redaktionelle Hinweise: Dieser Artikel wurde News bearbeitet. Zusätzliche Kontextinformationen wurden ügt.

Technik und Auswirkungen

Über diese Neuigkeiten zur Neurowissenschaft und KI-Forschung Autor: Luke Auburn Quelle: Universität Rochester Kontakt: Luke Auburn – Universität Rochester Bild: Das Bild ist der Neuroscience News zu verdanken Originale Forschung: Open Access. „MR-AIV reveals in vivo brain-wide fluid flow with physics-informed AI", Yisen Guo, Zhibo Wang, Mohammad Vaezi, Yuki Mori, George Em Karniadakis, Kimberly A.

S. Boster und Douglas H. Kelley. Science Advances DOI: 10.1126/sciadv.aeb0404 MR-AIV enthüllt in vivo den flächendeckenden Flüssigkeitstransport im Gehirn mithilfe Flüssigkeit spielt eine entscheidende Rolle bei der Beseitigung ällen aus dem Gehirn, und deren Störung wurde mit neurologischen Erkrankungen in Verbindung gebracht.

Dennoch ist die direkte Messung des flächendeckenden Flüssigkeitstransports im Gehirn, insbesondere im tiefen Hirngewebe, bisher nicht gelungen.

Technik und Auswirkungen

Hier stellen wir die magnetresonanzbasierte künstliche Intelligenz-Velozimetrie (MR-AIV) vor, einen Rahmenwerk mit einer spezialisierten physikinformierten Architektur und Optimierungsverfahren, das dreidimensionale Strömungsfelder aus dynamisch kontrastverstärkten Magnetresonanzbildgebungen (DCE-MRI) rekonstruiert.

MR-AIV liefert flächendeckende Geschwindigkeitskarten des Gehirns und schätzt gleichzeitig Permeabilitäts- sowie Druckfelder, Größen, die mit anderen Methoden nicht zugänglich sind.

Angewendet auf das Gehirn enthüllt MR-AIV eine funktionelle Landschaft des Interstitiums- und Perivaskulärstroms und unterscheidet quantitativ zwischen langsamer, diffusionsgetriebener Transportbewegung [ca. 0,1 Mikrometer pro Sekunde (μm/s)] und schneller advektiver Strömung (ca. 3 μm/s).

Dieser Ansatz ermöglicht neue Untersuchungen zu Clearance-Mechanismen und Fluidodynamik im gesunden sowie kranken Gehirn und hat weitreichende Anwendungspotenziale in anderen porösen Mediumssystemen, Gewebemechanik.