Cognitive cartography of mammalian brains using meta-analysis of AI experts

Il cervello umano è un paesaggio vasto e intricato dove miliardi di cellule lavorano insieme per creare pensiero, sentimento e azione. Per decenni, gli scienziati hanno cercato di mappare questo terreno, collegando specifiche regioni cerebrali a compiti specifici come ricordare un nome o provare paura. Ci sono riusciti leggendo migliaia di articoli di ricerca, ognuno dei quali descriveva un piccolo pezzo del puzzle. Tuttavia, il volume di questi studi è cresciuto a tal punto che nessun singolo cervello umano può leggerli tutti. La letteratura è dispersa tra diverse specie, dagli esseri umani ai topi, e utilizza metodi differenti, dalle scansioni cerebrali alla stimolazione elettrica. Questa frammentazione rende difficile vedere l'immagine completa di come funzioni il cervello in tutto il regno animale.

Per risolvere questo problema, un team di ricercatori si è rivolto all'intelligenza artificiale, non per sostituire gli scienziati umani, ma per agire come un assistente instancabile e super-lettore. Hanno sviluppato un sistema chiamato NeuroNaut, che utilizza i modelli linguistici di grandi dimensioni — programmi informatici avanzati addestrati su vaste biblioteche di testo — per leggere e riassumere l'intero corpo della letteratura neuroscientifica. Invece di setacciare manualmente gli articoli, i ricercatori hanno chiesto a questi esperti di IA di stimare quanto sia probabile che una specifica regione cerebrale sia coinvolta in una specifica funzione, basandosi su tutto ciò che l'IA ha appreso dai testi scientifici. Questo approccio permette loro di costruire una mappa completa delle funzioni cognitive del cervello, coprendo umani, scimmie e topi, tutto in una volta.

I ricercatori hanno iniziato testando se questi esperti di IA potessero descrivere accuratamente il panorama funzionale del cervello umano. Hanno chiesto ai modelli di valutare il ruolo di 68 diverse regioni cerebrali in otto aree principali del pensiero, come emozione, memoria, linguaggio e visione. L'IA ha generato mappe dettagliate mostrando quali parti del cervello sono più associate a ciascun compito. Quando i ricercatori hanno confrontato queste mappe generate dall'IA con le migliori mappe esistenti create da revisioni tradizionali guidate da umani, hanno trovato un forte accordo. L'IA ha identificato correttamente che il linguaggio è principalmente una funzione dell'emisfero sinistolo e che la visione è centrata nella parte posteriore del cervello. Ciò ha confermato che l'IA aveva assorbito con successo la conoscenza fondamentale del campo.

Tuttavia, il vero potere di questo metodo è emerso quando i ricercatori hanno guardato oltre ciò che gli strumenti tradizionali potevano vedere. Le mappe cerebrali standard sono spesso limitate dai dati delle scansioni cerebrali, che mostrano solo l'attività mentre una persona sta eseguendo un compito. L'IA, avendo letto l'intera storia della neuroscienza, poteva anche attingere a prove derivanti da lesioni cerebrali e stimolazione elettrica diretta. Quando i ricercatori hanno confrontato le mappe dell'IA con i circuiti derivati da pazienti sottoposti a stimolazione o danni cerebrali, le mappe dell'IA hanno corrisposto molto meglio ai circuiti basati su tali prove causali rispetto alle mappe tradizionali basate sulle scansioni. Ciò suggerisce che l'IA possa sintetizzare una comprensione più profonda e causale di come le regioni cerebrali guidino il comportamento, andando oltre le semplici correlazioni trovate negli studi di imaging.

La scoperta più significativa è avvenuta quando il team ha applicato questo metodo ad altre specie. Gli strumenti tradizionali di mappatura cerebrale sono quasi esclusivamente progettati per gli esseri umani perché si basano su sistemi di coordinate specifici che non esistono per altri animali. Utilizzando la capacità dell'IA di leggere il testo piuttosto che le coordinate, i ricercatori sono riusciti a generare mappe cognitive per macachi e topi. Hanno scoperto che l'organizzazione cerebrale in questi animali rispecchia quella umana in modi sorprendenti. Ad esempio, l'IA ha identificato correttamente che la corteccia visiva di un topo è legata alla vista, e le aree motorie sono legate al movimento, proprio come negli esseri umani. Fondamentalmente, l'IA ha anche riconosciuto che il "linguaggio" non è una funzione associata ai cervelli di topi o scimmie, assegnando un'importanza vicina allo zero, pur identificando le regioni uditive che gestiscono le loro vocalizzazioni.

Per garantire che queste mappe non fossero semplici supposizioni casuali, i ricercatori le hanno testate contro dati biologici reali. Hanno confrontato le mappe cognitive dell'IA per i topi con i dati registrati da migliaia di singoli neuroni durante compiti decisionali. Le previsioni dell'IA si allineavano strettamente con l'effettiva attività elettrica del cervello. Allo stesso modo, per le scimmie, la mappa della memoria di lavoro dell'IA corrispondeva a un dettaglio riassunto curato da umani su studi sulle scimmie meglio di quanto una mappa cerebrale umana proiettata su un cervello di scimmia facesse. Ciò ha dimosto che l'IA non stava semplicemente copiando i dati umani, ma stava effettivamente sintetizzando la conoscenza specifica della specie dalla letteratura.

I ricercatori hanno anche esplorato come la struttura del cervello supporti la sua funzione. Hanno chiesto all'IA di descrivere le funzioni principali di ogni regione cerebrale e poi hanno usato queste descrizioni per calcolare quanto diverse fossero tra loro le varie regioni. Hanno scoperto che le regioni con profili funzionali simili erano anche connesse da schemi simili di onde cerebrali e flusso sanguigno. Questa relazione era vera in esseri umani, scimmie e topi, suggerendo che il modo in cui il cervello è cablato per supportare la cognizione sia una costante evolutiva. L'IA ha persino scoperto una gerarchia nascosta nel cervello, organizzando le regioni dalle aree sensoriali semplici alle aree associative complesse, un modello che corrispondeva alle misurazioni fisiche degli strati del cervello.

Infine, il team ha utilizzato questo approccio per studiare i disturbi cerebrali. Hanno chiesto all'IA di mappare il coinvolgimento di regioni cerebrali in malattie come depressione, schizofrenia e autismo. Queste mappe sono state poi confrontate con dati genetici e scansioni cerebrali di pazienti. Le mappe dell'IA hanno mostrato una forte connessione con i rischi genetici associati a queste malattie, più di quanto facessero le scansioni cerebrali tradizionali. Inoltre, l'IA ha raggruppato correttamente le malattie che condividono sintomi, come il collegamento tra disturbi del sonno e condizioni psichiatriche, anche se non le era mai stato esplicitamente comunicato. Questa capacità di trovare schemi nascosti attraverso diversi tipi di dati suggerisce che l'IA possa aiutare gli scienziati a comprendere la natura complessa e multifacettata della malattia mentale.

Questo lavoro dimostra che l'intelligenza artificiale può servire come un potente strumento per la scoperta scientifica, capace di digerire l'intero corpus della conoscenza umana per rivelare schemi troppo complessi per un singolo ricercatore. Colmando il divario tra specie e metodi, l'IA ha fornito una visione unificata del cervello mammifero, mostrando che l'architettura molecolare e funzionale della cognizione è profondamente conservata attraverso l'evoluzione. I ricercatori hanno reso il loro strumento, NeuroNaut, liberamente disponibile al pubblico, permettendo a chiunque di porre domande sul cervello e ricevere risposte sintetizzate dalla saggezza collettiva della comunità scientifica. Questo approccio non sostituisce l'esperienza umana, ma la amplifica, trasformando una biblioteca dispersa di fatti in una mappa coerente e navigabile della mente.