Автор: 
Нейробиологи Санкт-Петербургского государственного университета в сотрудничестве с IT-специалистами первыми в мире применили искусственный интеллект к анализу поведенческих ответов рыб зебраданио на распространённые психотропные препараты. Им удалось научить искусственный интеллект по поведению животных определять, какие именно вещества были использованы в эксперименте. Результаты исследований опубликованы в журнале Progress in Neuropsychopharmacology & BiologicalPsychiatry.
Пресноводные костные рыбы зебраданио (Danio rerio) по популярности среди модельных организмов для исследований в биомедицине сегодня уступают только мышам. Среди причин этого — неприхотливость зебраданио в условиях содержания, а также высокий процент их генетического сходства с человеком — около 70%. Кроме того, исследования на этом виде рыб в силу простоты устройства их нервной системы часто приводят к более наглядным и точным результатам, чем на более сложных организмах.
По словам руководителя исследования, заведующего лабораторией биологической психиатрии Института трансляционной биомедицины СПбГУ доктора биологических наук, профессора Алана Калуева, алгоритмы искусственного интеллекта, основанные на нейронных сетях, всё чаще применяются в биомедицине как метод исследования. Они обеспечивают беспристрастный объективный анализ биологических данных, что способствует выявлению новых общих закономерностей, которые либо неочевидны на первый взгляд, либо скрыты от исследователей за общим массивом данных.
Несмотря на то что искусственный интеллект все шире используется в нейробиологии, исследование учёных СПбГУ стало первым его применением для анализа локомоторных треков (движений) взрослых зебраданио, находящихся под воздействием различных психоактивных препаратов, в сравнении с контрольными группами, не подвергавшимися такому воздействию.
В число препаратов, которые использовались в исследовании, вошли никотин, этанол, кофеин и многие другие. Каждое из них особым образом воздействует на центральную нервную систему рыбок и влияет на их локомоторные треки — данные об этом ранее уже были опубликованы в научных статьях учёных СПбГУ. Различия в движениях зебраданио, находящихся под воздействием широкого спектра психотропных веществ, были использованы для обучения искусственного интеллекта на данных, которые предъявлялись ему на видеозаписях, полученных в ходе предыдущих экспериментов.
В исследовании использовалась модель нейронной сети, специально разработанная для работы с визуальными данными (изображениями) и вдохновленная корковой системой обработки визуальной информации головного мозга животных и человека. Она извлекает простые функции изображения (например, градиенты или линии), а затем объединяет их на следующем слое для получения более подробного изображения (например, формы). Каждый слой увеличивает сложность обрабатываемых данных, тем самым помогая выявлять сложные паттерны передвижения животных, специфические для каждого препарата, а также их общие (похожие) эффекты. Например, кетамин вызывает стереотипические циркулярные движения рыб у поверхности, а этанол — характерный дозозависимый переход от гиперактивности к седации.
«Самым трудным в исследовании стал поиск необходимых протоколов обучения искусственного интеллекта, а также проверка обоснованности используемых методов и точности полученных результатов. Но в итоге всё сработало! С теоретической точки зрения результат доказал принцип применимости искусственного интеллекта к анализу воздействия психотропных препаратов на зебраданио. С практической — это открывает перед нами широкие возможности исследования новых нейротропных фармацевтических препаратов», — отметил профессор Алан Калуев.
По мнению учёных, функциональность применения искусственного интеллекта может быть расширена за счёт уточнения и корректировки моделей нейронных сетей, а его точность будет расти с увеличением количества экспериментальных данных, доступных для машинного обучения. Авторы видят продолжение своих исследований в трансляционном ключе — в дальнейшем усовершенствовании методики и тестировании новых препаратов с использованием для поиска новых препаратов, которые можно в будущем ввести и в клинику.
