Mit Künstlicher Intelligenz das Gehirn verstehen

Mit Hilfe künstlicher neuronaler Netze wollen Neurobiologen den Schaltplan des Gehirns entschlüsseln. © Julia Kuhl

Dies liegt nicht zuletzt an einem Zeitproblem: Das Aufspüren von Verbindungen in gewonnenen Daten würde viele Menschenleben an Arbeitsstunden benötigen, da bisher kein Computer die Zellkontakte zuverlässig genug identifizieren konnte.

Dies wollen Wissenschaftler des Max-Planck-Instituts für Neurobiologie in Martinsried nun mit Hilfe künstlicher Intelligenz ändern. Sie haben künstliche neuronale Netze so trainiert, dass die Rekonstruktion von Nervenzellschaltplänen enorm beschleunigt wird.

Nervenzellen brauchen Gesellschaft. Während eine einzelne Zelle wenig bewirken kann, werden Nervenzellen im Verbund zu einem mächtigen Netzwerk, das zum Beispiel unser Verhalten steuert. Dabei tauschen die Zellen Informationen über ihre Kontaktstellen, die Synapsen, aus.

Das Wissen darüber, welche Nervenzellen wann und wo miteinander verbunden sind, trägt entscheidend dazu bei, grundlegende Hirnfunktionen ebenso wie übergeordnete Prozesse wie Lernen, Gedächtnis, Bewusstsein und Erkrankungen des Nervensystems zu verstehen. Denn Forscher vermuten, dass der Schlüssel zu alldem in der Verschaltung der rund 100 Milliarden Zellen im menschlichen Gehirn liegt.

Um diesen Schlüssel verwenden zu können, müsste jedoch das Konnektom erfasst werden – jede Nervenzelle eines Gehirns mit ihren tausenden Kontakten und Partnerzellen. Noch vor wenigen Jahren schien so etwas gänzlich unmöglich.

Von „unmöglich“ lassen sich die Wissenschaftler in der Abteilung “Elektronen – Photonen – Neuronen“ am Max-Planck-Institut für Neurobiologie allerdings kaum abschrecken. So entwickelten und verbesserten sie in den vergangenen Jahren Färbe- und Mikroskopiemethoden, mit denen Hirngewebeproben in einem automatisierten Prozess in dreidimensionale, hochaufgelöste Elektronenmikroskopbilder verwandelt werden.

Ihr neuestes Mikroskop, dass als Prototyp in der Abteilung im Einsatz ist, tastet die Oberfläche einer Probe gleich mit 91 Elektronenstrahlen parallel ab, bevor die nächste Probenebene freigelegt wird. Im Vergleich zum Vorgängermodell erhöht sich die Datenerfassungsrate so um mehr als das Fünfzigfache. Ein ganzes Mäusegehirn könnte anstatt in vielen Dekaden, innerhalb weniger Jahre erfasst werden.

Während es somit nun möglich ist, ein Hirngewebestück in wenigen Wochen in Billionen Pixel zu zerlegen, dauert die Analyse dieser elektronenmikroskopischen Bilder viele Jahre. Das liegt daran, dass herkömmliche Computeralgorithmen oft zu ungenau sind, um die hauchdünnen Fortsätze der Nervenzellen über lange Strecken zuverlässig zu verfolgen und die Synapsen zu erkennen. Daher müssen immer noch Menschen in stundenlanger Bildschirmarbeit die Synapsen in den Bilderstapeln aus dem Elektronenmikroskop identifizieren.

Doch auch diese Hürde nehmen nun die Wissenschaftler um Jörgen Kornfeld mit Hilfe künstlicher neuronaler Netze. Diese Algorithmen können aus Beispielen und Erfahrungen lernen und dieses Wissen auch verallgemeinern. Bereits heute werden sie sehr erfolgreich in der Bildverarbeitung und Mustererkennung eingesetzt.

„Da war der Weg nicht weit zum Einsatz eines künstlichen Netzes für die Analyse eines echten neuronalen Netzes“, so Jörgen Kornfeld, der Leiter der Studie. Ganz so einfach wie es klingt, war es dann doch nicht. In monatelanger Arbeit trainierten und testeten die Wissenschaftler sogenannte „Convolutional Neural Networks“ darauf, Zellfortsätze, Zellbestandteile und Synapsen in den Bilddaten zu erkennen und voneinander zu unterscheiden.

Das so entstandene SyConn Netzwerk kann nun, nach einer kurzen Anlernphase, diese Strukturen selbstständig und äußerst zuverlässig identifizieren. Die Anwendung auf Datensätze aus dem Singvogelgehirn zeigte, dass SyConn so zuverlässig ist, dass ein menschliches Fehlerlesen überflüssig wird.

„Das ist absolut fantastisch, denn mit einer so geringen Fehlerrate hatten wir eigentlich gar nicht gerechnet“, freut sich Kornfeld über den Erfolg von SyConn, einem Teil seiner Doktorarbeit. Eine berechtigte Freude, denn die neu entwickelten künstlichen neuronalen Netze können Neurobiologen in Zukunft viele tausend Stunden monotoner Arbeit abnehmen – und so die Zeit bis zur Entschlüsselung des Konnektoms, und vielleicht auch des Bewusstseins, um viele Jahre verkürzen.

ORIGINALVERÖFFENTLICHUNG
Sven Dorkenwald, Philipp Schubert, Marius F. Killinger, Gregor Urban, Shawn Mikula, Fabian Svara, Jörgen Kornfeld
Automated synaptic connectivity inference for volume electron microscopy
Nature Methods, online am 27. Februar 2017

KONTAKT
Dr. Stefanie Merker
Max-Planck-Institut für Neurobiologie
Presse- und Öffentlichkeitsarbeit
Am Klopferspitz 18
82152 Martinsried
Tel.: 089 8578 3514
Email: merker@neuro.mpg.de

Jörgen Kornfeld
Max-Planck-Institut für Neurobiologie
Abteilung Elektronen – Photonen – Neuronen
Am Klopferspitz 18
82152 Martinsried
Tel.: 089 8578 – 3563
Email: kornfeld@neuro.mpg.de

http://www.neuro.mpg.de/denk – Webseite der Abteilung Elektronen – Photonen – Neuronen am MPI für Neurobiologie

Media Contact

Dr. Stefanie Merker Max-Planck-Institut für Neurobiologie

Alle Nachrichten aus der Kategorie: Biowissenschaften Chemie

Der innovations-report bietet im Bereich der "Life Sciences" Berichte und Artikel über Anwendungen und wissenschaftliche Erkenntnisse der modernen Biologie, der Chemie und der Humanmedizin.

Unter anderem finden Sie Wissenswertes aus den Teilbereichen: Bakteriologie, Biochemie, Bionik, Bioinformatik, Biophysik, Biotechnologie, Genetik, Geobotanik, Humanbiologie, Meeresbiologie, Mikrobiologie, Molekularbiologie, Zellbiologie, Zoologie, Bioanorganische Chemie, Mikrochemie und Umweltchemie.

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

KI-basierte Software in der Mammographie

Eine neue Software unterstützt Medizinerinnen und Mediziner, Brustkrebs im frühen Stadium zu entdecken. // Die KI-basierte Mammographie steht allen Patientinnen zur Verfügung und erhöht ihre Überlebenschance. Am Universitätsklinikum Carl Gustav…

Mit integriertem Licht zu den Computern der Zukunft

Während Computerchips Jahr für Jahr kleiner und schneller werden, bleibt bisher eine Herausforderung ungelöst: Das Zusammenbringen von Elektronik und Photonik auf einem einzigen Chip. Zwar gibt es Bauteile wie MikroLEDs…

Antibiotika: Gleicher Angriffspunkt – unterschiedliche Wirkung

Neue antimikrobielle Strategien sind dringend erforderlich, um Krankheitserreger einzudämmen. Das gilt insbesondere für Gram-negative Bakterien, die durch eine dicke zweite Membran vor dem Angriff von Antibiotika geschützt sind. Mikrobiologinnen und…

Partner & Förderer