Current gaps in downstream applications of fMRI foundation models: lessons learned from BrainLM & BrainHarmonix on Prevent-AD

El cerebro humano es una vasta y zumbante red de miles de millones de células que se comunican mediante señales eléctricas. Para comprender cómo funciona esta red, los científicos suelen utilizar una potente cámara llamada resonancia magnética funcional, o fMRI. Esta máquina no toma una fotografía estática; en su lugar, registra una película del cerebro mientras descansa, capturando las sutiles ondas de actividad que recorren diferentes regiones. Al observar cómo estas regiones suben y bajan en sincronía, los investigadores pueden mapear las conexiones funcionales del cerebro, de forma muy parecida a como se rastrea el flujo del tráfico en un mapa de una ciudad para ver qué vecindarios están más estrechamente vinculados. Durante años, la forma estándar de analizar estos mapas ha sido medir la fuerza de las conexiones entre cada par de regiones. Este método, conocido como conectividad funcional, ha sido el motor para predecir aspectos como la edad o el sexo de una persona, y para intentar detectar signos tempranos de enfermedades como el Alzheimer.

Recientemente, una nueva ola de inteligencia artificial ha arrasado la ciencia, prometiendo revolucionar la forma en que entendemos los datos complejos. En campos como el lenguaje y la visión, los "modelos fundacionales" se han vuelto famosos. Estos son programas informáticos masivos entrenados con cantidades enormes de datos para aprender los patrones subyacentes del mundo sin que se les indiquen respuestas específicas. Aprenden a predecir qué viene después en una frase o cómo se ve una imagen, construyendo una comprensión profunda y flexible que puede aplicarse a tareas nuevas y más pequeñas. Los investigadores en la ciencia del cerebro han estado ansiosos por probar este enfoque, con la esperanza de entrenar modelos gigantes similares sobre miles de escaneos cerebrales para que pudieran aprender la "gramática" general de la actividad cerebral. La esperanza era que estos modelos se convirtieran en herramientas poderosas que cualquier médico o científico pudiera usar para diagnosticar enfermedades o predecir quién podría desarrollar problemas de memoria, incluso con muy pocos datos propios.

Un equipo de investigadores se propuso probar si esta promesa era real para la imagenología cerebral. Eligieron dos de los modelos fundacionales más nuevos y avanzados para fMRI, llamados BrainLM y BrainHarmonix, y los pusieron a prueba con un conjunto de datos desafiante del mundo real. Este conjunto de datos procedía del estudio PREVENT-AD, que realiza un seguimiento de cientos de adultos sanos con antecedentes familiares de la enfermedad de Alzheimer. El objetivo era ver si estos nuevos modelos de inteligencia artificial podían superar a los métodos tradicionales de conectividad funcional al intentar predecir cuatro cosas específicas: el sexo de una persona, su grupo de edad, si desarrollaría deterioro cognitivo leve en el futuro y si presentaba un tipo específico de acumulación de proteínas en el cerebro que señala el Alzheimer. Los investigadores querían saber si estos modelos estaban listos para que científicos independientes los usaran, o si todavía eran demasiado difíciles de aplicar fuera de los laboratorios que los crearon.

El viaje comenzó con un obstáculo significativo: lograr que los modelos funcionaran con nuevos datos distaba mucho de ser sencillo. Cuando el equipo intentó utilizar el código de software proporcionado por los creadores de BrainLM, descubrieron que no funcionaba con sus datos. El código dependía de una forma personalizada y propia de limpiar los escaneos cerebrales que era incompatible con las herramientas estándar utilizadas por la mayoría de los neurocientíficos. Los investigadores tuvieron que reescribir los pasos de procesamiento de datos, cambiando a un método estándar ampliamente aceptado por la comunidad general. Solo después de realizar estos cambios sustanciales, el modelo comenzó a aprender correctamente. El segundo modelo, BrainHarmonix, presentó un problema de otro tipo. Su documentación no explicaba cómo preparar los nuevos datos para el modelo, dejando al equipo adivinando la forma correcta de normalizar las señales. Tuvieron que probar varios enfoques diferentes solo para encontrar uno que produjera resultados estables. Estas luchas iniciales resaltaron una brecha importante: aunque los modelos eran potentes, aún no estaban empaquetados de una manera que permitiera a los investigadores independientes utilizarlos fácilmente sin una resolución de problemas técnicos significativa.

Una vez que los modelos estuvieron en funcionamiento, el equipo comparó sus predicciones con el método estándar de conectividad funcional y con un clasificador "ficticio" (dummy) simple que simplemente adivinaba la respuesta más común cada vez. Para predecir el sexo, el viejo método de conectividad funcional fue en realidad el ganador. Identificó correctamente el sexo de los participantes con más frecuencia que cualquiera de las características extraídas de los nuevos modelos fundacionales. Para predecir los grupos de edad, una característica del modelo BrainHarmonix, que derivaba de imágenes cerebrales estructurales en lugar de la actividad funcional, funcionó ligeramente mejor que el método estándar, pero la diferencia fue tan pequeña que fácilmente podría haber ocurrido por azar. Los resultados fueron aún más desalentadores para los objetivos clínicos. Al intentar predecir quién desarrollaría deterioro cognitivo leve o quién tenía la acumulación de proteínas relacionada con el Alzheimer, ninguno de los modelos fundacionales pudo superar al simple clasificador ficticio en términos de precisión general. Esto se debió en gran medida a que los grupos de personas con estas condiciones eran muy pequeños en comparación con el grupo sano, lo que dificultaba que cualquier modelo encontrara una señal sin simplemente adivinar la mayoría.

Sin embargo, la historia no fue enteramente de fracaso. Cuando los investigadores observaron más de cerca los detalles específicos de las predicciones, encontraron un sutil indicio de promesa. Aunque los modelos no eran lo suficientemente precisos como para ser utilizados como herramienta de diagnóstico, algunas de las características de los modelos fundacionales fueron mejores para identificar a las pocas personas que realmente tenían la enfermedad que el método estándar. En otras palabras, cuando el modelo realizaba una predicación positiva, era ligeramente más probable que fuera correcta, aunque fallaba en muchos casos. Esto sugiere que los modelos podrían estar capturando una señal diferente, quizás más sutil, en los datos cerebrales que el método estándar pasa por alto. No obstante, debido a que estas mejoras no fueron estadísticamente significativas, los investigadores no pudieron afirmar que los modelos hubieran resuelto definitivamente el problema. Los hallazgos sugieren que la poderosa transferencia de conocimiento observada en los modelos de lenguaje aún no se ha replicado en la imagenología cerebral.

El estudio concluye que estos modelos fundacionales aún no están listos para que los investigadores independientes los adopten para uso clínico. Requieren demasiada adaptación técnica y aún no han demostrado que puedan superar a los métodos establecidos y más simples que se han utilizado durante décadas. Los autores sostienen que, para que estos modelos sean verdaderamente útiles, el campo necesita herramientas de software estandarizadas que faciliten su instalación y ejecución, y los estudios futuros deben comparar siempre los nuevos modelos contra la línea base estándar de la conectividad funcional. Hasta entonces, el sueño de un modelo cerebral universal que pueda diagnosticar instantáneamente el Alzheimer o predecir el declive de la memoria sigue siendo solo eso: un sueño, a la espera de pruebas más rigurosas y una mejor ingeniería para convertirse en realidad.