Un programa inteligente, básicamente una red neuronal que aprende, bautizado como MC-SleepNet ha conseguido una precisión en la clasificación de los sueños que excede el 96% y es robusta contra el ruido en las señales biológicas. El uso de este sistema podría servir para que los investigadores del sueño para comprender más este fenómeno.
Los científicos que estudian el sueño usan con frecuencia ratones, porque es un modelo fácil de entender considerando los cambios en la actividad cerebral, la cual en el proceso de dormir, ocurre en varias fases.
Estas fases pueden ser clasificadas de la siguiente manera: estar despierto, sueño REM (Rapid Eye Movement – movimiento rápido de los ojos) y sueño no REM. Algunos estudios anteriores habían ya monitoreado las ondas cerebrales de los ratones dormidos, logrando obtener montañas de datos que debían analizarse a mano, frecuentemente por estudiantes. Esto siempre fue un cuello de botellas en este tipo de investigaciones.
Nueva red neuronal para estudiar el sueño
Los investigadores de la Universidad de Tsukuba han introducido un programa que clasifica automáticamente las etapas del sueño que un ratón experimenta, basándose en su electroencefalograma (EEG) y electromiograma (EMG), los cuales registran la actividad del cerebro y del cuerpo, respectivamente.
Mediante dos técnicas de aprendizaje de máquinas: redes neuronales convolucionadas (CNN) y redes neuronales recurrentes de memoria corta y larga (LSTM), lograron una precisión desconocida incluso usando los mejores métodos automáticos del pasado.
«El aprendizaje de máquinas es un nuevo campo en la investigación, con importantes aplicaciones que combinan medicina con ciencias de la computación. Permite clasificar automáticamente nuevos datos basándose en ejemplos etiquetados», dice uno de los autores del trabajo, Kazumasa Horie.
Esto es especialmente valioso cuando los patrones que se buscan no son muy bien reconocidos, así como las etapas del sueño en donde se presentan. De esta forma, gracias a la red neuronal, el algoritmo aprende cómo tomar decisiones complejas sin haberlo programado explícitamente.
Así funciona la red neuronal
En este proyecto, la precisión es muy buena porque se tienen muchísimos datos de estudios previos. Con más de 4200 señales biológicas, estamos hablando del conjunto de datos más grande que se tenga a la fecha. Además, implementando una CNN, el algoritmo ha mostrado ser muy robusto contra diferencias individuales y al ruido.
El avance principal de este trabajo fue el dividir la tarea entre los dos métodos de aprendizaje de las redes neuronales. Primero, una CNN fue usada para extraer las características de interés de las grabaciones de la actividad eléctrica en el cerebro y cuerpo del ratón.
Estos datos se pasaron a la LSTM para determinar cuáles eran las características más importantes de la fase del sueño que experimentaba el ratón.
«Somos optimistas al creer que podemos traducir estos datos para ser usados en la clasificación del sueño en humanos», dijo otro de los autores, Hiroyuki Kitagawa.
Mientras tanto, el programa puede ayudar a acelerar el trabajo de los investigadores en el capo del sueño, lo que nos podría dar un entendimiento mucho mejor de cómo opera el sueño.
