BrainSynth cria ressonâncias magnéticas sintéticas aumentando conjuntos de dados de 100 para 5 mil amostras. Tecnologia pode simular cérebro futuro.
Pesquisadores de Stanford utilizam inteligência artificial generativa criando ressonâncias magnéticas cerebrais sintéticas ampliando escala e diversidade de conjuntos de dados para acelerar compreensão de distúrbios neurológicos. Kilian M. Pohl, professor de psiquiatria e ciências comportamentais, desenvolve modelos de aprendizado profundo gerando imagens realistas de alta resolução mediante modelo BrainSynth, financiado pelo Stanford Institute for Human-Centered AI e National Institutes of Health.
O problema atual é que tecnologias de IA produzem resultados não confiáveis pois estudos cerebrais de ressonância magnética não são suficientemente grandes. BrainSynth sintetiza imagens replicando efeitos de doenças, aumentando conjuntos de dados de 100 para 5 mil amostras treinando métodos de IA. Conjuntos enriquecidos permitem entender condições como depressão, transtornos por abuso de substâncias ou comprometimento neurocognitivo na população geral e subgrupos específicos como pessoas com HIV. Estudos longitudinais tornam-se mais custo-efetivos simulando cérebro entre varreduras menos frequentes.
Pohl, codiretor da AI for Mental Health Initiative, está mais animado aplicando BrainSynth para aprender sobre doenças afetando sutilmente o cérebro com efeitos invisíveis a olho nu. Atualmente tecnologia generativa imperfeita ocasionalmente alucina, portanto imagens sintéticas são usadas apenas para treinamento, não testes ou inferência. Futuramente, tecnologia poderia ser usada para educação preventiva e planejamento cirúrgico projetando consequências de tratamentos.
Visão transformadora: construir tecnologia de IA confiável transformando psiquiatria de observações subjetivas para avaliações objetivas, resultando em pesquisa e cuidado mais efetivos e acessíveis.
