AI interpreta lo que los roedores están diciendo

“DeepSqueak” permite a los investigadores comprender las vocalizaciones de roedores.

pixabay

Fuente: pixabay

La inteligencia artificial (IA) ha mejorado mucho en los últimos años en gran parte debido a los avances en el aprendizaje profundo, un método de aprendizaje basado en máquinas. El reconocimiento superior de patrones de Deep Learning ha generado una serie de avances en visión computacional, traducción, reconocimiento de voz y otros propósitos. Los algoritmos de aprendizaje profundo se están aplicando en muchas industrias para una variedad de propósitos. El mes pasado, los investigadores del departamento de Psiquiatría y Ciencias del Comportamiento de la Facultad de Medicina de la Universidad de Washington anunciaron la creación de “DeepSqueak”, un sistema de aprendizaje profundo que puede detectar y analizar las vocalizaciones de los roedores.

¿Por qué la charla de roedores?

La ciencia moderna depende de los roedores de laboratorio para que sirvan como representantes de los mamíferos para los sujetos de prueba humanos. Los estudios de investigación realizados in vitro con células cultivadas tienden a carecer de la amplitud y profundidad de la información que puede proporcionar un estudio in vivo en un organismo vivo.

Esto es particularmente relevante para la neurociencia, ya que encontrar voluntarios humanos para la investigación del cerebro es un poco inservible. Cuando las pruebas de neurociencia se estudian in vivo en humanos, es con el consentimiento de quienes se someten a una cirugía cerebral generalmente para otros propósitos no relacionados con el estudio. Por ejemplo, se han realizado estudios de investigación en neurociencia en pacientes epilépticos que han dado su consentimiento para someterse a una cirugía cerebral para eliminar las áreas responsables de las convulsiones. Este tipo de oportunidades son esporádicas, y escasean, en comparación con las grandes demandas de los investigadores científicos de todo el mundo. Como resultado, los roedores se utilizan con frecuencia en la investigación.

Sin embargo, a diferencia de los sujetos de prueba humanos, los roedores no pueden comunicarse con los investigadores. Tener la capacidad de estudiar las vocalizaciones de roedores de laboratorio proporciona ideas adicionales que pueden combinarse como otro punto de referencia de datos con observaciones de comportamiento. De acuerdo con el artículo, esto es particularmente beneficioso para los estudios de neurociencia del comportamiento para la adicción, la depresión, la ansiedad, el miedo, el sistema de recompensa, el abuso de drogas, el envejecimiento y las enfermedades neurodegenerativas.

¿Cuál es la ciencia detrás de DeepSqueak?

El software para DeepSqueak fue diseñado y codificado por Kevin Coffey y Russell Marx, dos científicos en el laboratorio de John Neumaier, profesor de psiquiatría y ciencias del comportamiento en la Escuela de Medicina de la Universidad de Washington. Neumaier, quien también contribuyó al estudio de investigación, es el director asociado del Instituto de Abuso de Alcohol y Drogas, y jefe de la División de Neurociencias Psiquiátricas.

Los investigadores utilizaron el aprendizaje profundo, específicamente las redes neuronales convolucionales regionales (Faster-RCNN), para detectar vocalizaciones de roedores, y publicaron su investigación en la edición de enero de 2019 de Neuropsychopharmacology .

Según el trabajo de investigación, las ratas y los ratones vocalizan en una amplia gama de frecuencias (20–115 kHz). Cuando las ratas se involucran en experiencias positivas y felices, como jugar, hacer cosquillas y disfrutar delicias, tienden a producir sonidos de mayor frecuencia en el rango de 50 khz. Cuando las ratas tienen miedo o están estresadas, emiten sonidos en una frecuencia más baja alrededor de 22 khz.

Cuando se introducen grabaciones de archivo de audio de vocalizaciones de roedores en DeepSqueak, el sistema convierte los archivos de sonido en imágenes (sonogramas). Las grabaciones de entrada pueden ser individuales o una gran cantidad de archivos de sonido. Las grabaciones se convierten a un formato de imagen para ser procesadas por un algoritmo visual de aprendizaje profundo con tecnología de punta, la misma tecnología utilizada para autos de conducción automática llamada Faster-RCNN. El equipo inicialmente entrenó a DeepSqueak con llamadas etiquetadas manualmente. La red neuronal distingue y aísla las vocalizaciones de roedores del ruido ambiental.

Los investigadores descubrieron que los roedores tienen un estimado de veinte tipos de vocalizaciones. Los roedores exhibieron vocalizaciones en el rango feliz cuando jugaban con otros roedores, o esperaban una golosina como el azúcar. El equipo también encontró que las vocalizaciones para ratones machos se volvieron más complejas si una hembra estaba cerca. Cuando dos ratones machos están juntos, hacen repetidamente el mismo tipo de vocalizaciones menos complejas.

El equipo de investigación ha desarrollado DeepSqueak para que sea flexible y fácil de usar para los investigadores, no solo para los expertos en tecnología. Han hecho que DeepSqueak esté disponible en un repositorio abierto con la esperanza de ayudar a otros científicos de todo el mundo a mejorar su investigación.

Copyright © 2019 Cami Rosso Todos los derechos reservados.

Referencias

Coffey, Kevin R., Marx, Russell G., Neumaier, John F .. “DeepSqueak: un sistema profundo basado en el aprendizaje para la detección y el análisis de vocalizaciones ultrasónicas”. Neuropsychopharmacology . 4 de enero de 2019.