В рамках нового исследования,  проведенного в Университете Сент-Эндрюс, Копенгагенском университете и Университете Дрекселя, были разработаны вычислительные модели на основе искусственного интеллекта, которые прогнозируют дегенерацию нейронных сетей при боковом амиотрофическом склерозе (БАС).  

Опубликованное в журнале  Neurobiology of Disease  исследование   открывает путь к развитию компьютерного моделирования как дополнительного подхода к существующим методам исследования на животных и in vitro.  

Болезнь двигательных нейронов (БДН) — это общее название группы заболеваний, поражающих нервы, называемые двигательными нейронами, в головном и спинном мозге. Наиболее распространенным подтипом является боковой амиотрофический склероз (БАС), который также часто является наиболее распространенным термином в других странах. Другие названия включают болезнь Шарко и болезнь Лу Герига. БАС поражает примерно 2 из 100 000 человек в год во всем мире. В Шотландии это означает, что ежегодно диагностируется около 200 человек .  

В большинстве случаев БАС заболевание начинается со спинного мозга, то есть сначала поражаются двигательные нейроны и определенные нейронные цепи в спинном мозге. В результате ранними признаками заболевания становятся двигательные симптомы, такие как мышечная слабость, мышечная скованность и судороги.  

Традиционно боковой амиотрофический склероз (БАС) изучается с использованием животных моделей, таких как мыши. Мышей генетически модифицируют, чтобы они имели симптомы, сходные с БАС. Затем регистрируют их симптомы, чтобы отслеживать прогрессирование заболевания. Как правило, при использовании животных моделей исследователям приходится фокусироваться на определенных временных точках в процессе развития заболевания из-за ограничений по времени и средствам.   

Однако вычислительные модели могут предсказывать, что происходит между этими временными точками, чтобы лучше понять прогрессирование заболевания. Кроме того, они могут повторить тот же самый эксперимент с одной-единственной модификацией, чтобы понять влияние конкретного изменения на результаты модели, тогда как на животных всегда будет влиять множество факторов.  

Важно отметить, что вычислительные модели также позволяют исследователям делать прогнозы относительно того, как нейронные цепи могут реагировать на лечение, и могут служить основой для будущих доклинических исследований на мышах.  

В этом исследовании ученые использовали биологически правдоподобные нейронные сети. Эти сети отличаются от традиционных нейронных сетей, которые ежедневно используются для таких задач, как открытие смартфона с помощью распознавания лиц или ответы на вопросы в ChatGPT.