Investigadores de Osaka diseñan y entrenan una red neuronal con el propósito de comparar los patrones de movimiento que compartimos los humanos con otras especies evolutivamente distantes.
Humanos y gusanos
El desarrollo de la inteligencia artificial y sus ramas como el machine learning tienen cada vez más aplicaciones en distintos campos de la ciencia. Todos quieren aprovechar su potencial. Por ejemplo, los enfoques de deep learning que utilizan múltiples capas de neuronas artificiales, son utilizados por los neurólogos para distinguir entre diferentes fuentes de datos.
En este caso, científicos de la Universidad de Osaka entrenan un algoritmo con el fin de hallar características de trastornos del movimiento compartidos entre especies distantes en el linaje evolutivo. En ese sentido, lo más importante es enfocarse en lo que tenemos en común con otras especies, por lo que el estudio se compartió con ratones, escarabajos y gusanos. ¿Para qué? Pues, los trastornos en el movimiento que presentamos en estos linajes, podrían ayudar a comprender la enfermedad de Parkinson.
«Un objetivo central del análisis de comportamiento comparativo es identificar repertorios de comportamiento similares a los humanos en los animales», explica el primer autor Takuya Maekawa.
Entrenar a una máquina
Los datos del movimiento de los animales pueden brindarnos mucha información. Sin embargo, las escalas espaciales y temporales de la locomoción animal varían ampliamente entre las especies. Es decir que no es posible compararlos directamente con el comportamiento humano.
Por ello, los especialistas decidieron diseñar una red neuronal con una capa de inversión de gradiente (gradient reversal layer), para predecir dos aspectos importantes. Primero, si los datos de locomoción de entrada (input) provienen o no de un animal enfermo. Y segundo, de qué especie provienen los datos de entrada.
A partir de ahí cambiaron las reglas del juego. Entrenaron a la red neuronal para que no pudiera predecir las especies de las que se recopilaron los datos de entrada. Esto resultó en la creación de una red incapaz de distinguir entre especies pero capaz de identificar enfermedades específicas. Así, la red neuronal podía extraer características de locomoción inherentes a la enfermedad.
Trastornos en común
Los resultados revelaron una serie de características de locomoción entre especies producidas por deficiencia de dopamina. La enfermedad de Parkinson, por ejemplo, está asociada a niveles anormales del neurotransmisor que, además tiene funciones notables en la cognición y la memoria, sueño, humor, etcétera.
Los científicos observaron que, a pesar de sus diferencias evolutivas, gusanos, humanos y ratones, no pueden moverse mientras mantienen altas velocidades. Además, se encontró que la velocidad de estos animales era inestable al acelerar. Curiosamente, sí exhiben trastornos del movimiento similares en el caso de la deficiencia de dopamina a pesar tener diferentes escalas corporales y métodos de locomoción.
Si bien estudios anteriores habían demostrado que la deficiencia de dopamina estaba asociada con trastornos del movimiento en todas estas especies, esta investigación es la primera en identificar las características de locomoción compartidas causadas por esta deficiencia.
“Nuestro proyecto muestra que el deep learning puede ser una herramienta poderosa para extraer información de conjuntos de datos que parecen demasiado diferentes para ser comparados por investigadores humanos”, comenta el autor Takahiro Hara.
Sin duda esperamos saber más sobre la aplicación de las maravillas de la IA en busca de descubrir otras características comunes de los trastornos que afectan a especies evolutivamente distantes. Quizá seamos diferentes en apariencia pero tenemos más cosas en común de lo que podríamos imaginar.