La notte dei ricercatori e delle ricercatrici 2023
29 Settembre

Fisica e Astronomia

Dall’intelligenza artificiale alle reti cerebrali per una nuova medicina personalizzata

From artificial intelligence to brain networks for a new personalized medicine

Uno dei principali obiettivi delle moderne neuroscienze computazionali è definire una mappatura dell’organizzazione strutturale del cervello e capire come la funzione neurale sia legata alla connettività. Il termine “connettività” descrive, infatti, una mappa completa degli elementi neurali e dei collegamenti strutturali all’interno di un sistema neurale, che insieme formano il substrato fondamentale per la comunicazione neurale, l’elaborazione delle informazioni e l’integrazione neurale nel cervello. Le tecniche di neuroimaging sono attualmente i metodi principali per indagare l’architettura a macroscala del cervello umano. D’altra parte, il rapido sviluppo di tecniche innovative di machine learning/ deep learning e il crescente interesse delle comunità scientifiche hanno prodotto una grande quantità di algoritmi sofisticati e di dati che riguardano la natura strutturale e funzionale del cervello. I modelli di apprendimento automatico basati sulle caratteristiche funzionali e strutturali del cervello sono stati ampiamente applicati per comprendere diversi meccanismi biologici, come il neurosviluppo e l’invecchiamento, e alcune patologie (ad esempio, disturbi neuropsichiatrici e malattie neurodegenerative). In questo intervento, esploreremo alcuni recenti progressi nelle neuroscienze computazionali in diversi settori. In particolare ci concentreremo sulla previsione dell’età cerebrale e sulla classificazione delle malattie
con metodi di apprendimento automatico e deep learning. Infine, vedremo come i nuovi metodi di intelligenza artificiale potrebbero spiegare chiaramente le decisioni prese dagli algoritmi e come potremmo sfruttare tali informazioni per definire nuove linee per una vera “medicina personalizzata”.


Mapping the brain’s structural organization and understanding how neural function is related to connectivity is one of the main goals of modern computational neuroscience. The term “connectivity” describes a complete map of the neural elements and structural links within a neural system, together forming the fundamental substrate for neural communication, information processing, and neural integration in the brain. Neuroimaging techniques are currently the main methods for investigating the macroscale architecture of the human brain. On the other hand, the rapid development of innovative machine learning/ deep learning techniques and the growing interest of the scientific communities have produced a large amount of both sophisticated algorithms and available data concerning the structural and functional nature of the brain. Machine learning models based on the functional and structural features of the brain have been widely applied to uncover new insights about a great variety of biological mechanisms, such as neurodevelopment and aging,and in different diseases (e.g., neuropsychiatric disorders and neurodegenerative diseases). In this talk, we will explore some recent advances in computational neuroscience in different
fields. In particular we will focus on brain age prediction and disease classification with machine learning and deep learning methods. Finally, we will see how new artificial intelligence methods could clearly explain the decisions made by the algorithms and how we could exploit such information to define new ways for a real “personalized medicine”.