Pesquisadores desenvolveram um novo modelo de inteligência artificial, denominado BrainSN (Brain States Network), com o objetivo de aprimorar a compreensão dos estados cerebrais e suas dinâmicas. Este modelo inovador utiliza dados de ressonância magnética funcional (fMRI) para representar informações contínuas sobre o funcionamento do cérebro, abrindo novas possibilidades para o diagnóstico e tratamento de distúrbios neurológicos.
Uma das principais vantagens do BrainSN é sua capacidade de analisar a complexidade temporal da atividade cerebral. Diferentemente de modelos anteriores que processavam sinais cerebrais em intervalos de tempo fixos, o BrainSN utiliza uma arquitetura baseada em transformers para reconstruir estados cerebrais em múltiplas escalas temporais e prever a atividade futura. Isso permite capturar tanto dependências de curto quanto de longo prazo, oferecendo uma visão mais abrangente do funcionamento cerebral.
O modelo foi treinado com uma vasta quantidade de dados de fMRI, totalizando 1.256 horas, coletados em estado de repouso e durante a exposição a estímulos naturais. Sem a necessidade de ajustes finos, o BrainSN alcançou uma precisão notável no diagnóstico de autismo (75,23%) e transtorno de déficit de atenção (75,82%), equiparando-se a modelos líderes pré-treinados com dados específicos para essas condições. Após o ajuste fino, o BrainSN superou esses modelos, demonstrando seu potencial para aplicações clínicas. Além disso, na decodificação de estados mentais, o modelo atingiu uma precisão de 95,31% sem ajuste fino, superando os melhores modelos treinados em dados de fMRI em larga escala baseados em tarefas. Este estudo destaca o potencial do BrainSN para revolucionar a pesquisa em neurociência cognitiva, diagnóstico clínico e avaliação de tratamentos.
Origem: Link