[論文レビュー] Digital twin brain: a bridge between biological intelligence and artificial intelligence

Hui Xiong, Congying Chu+8 more|arXiv (Cornell University)|Aug 3, 2023

Molecular Communication and NanonetworksEngineering被引用数 3

ひとこと要約

本論文は、脳アトラス、マルチスケール神経モデル、クロスモダリティシミュレーションを統合する統一プラットフォームとしてのデジタルツイン脳（DTB）を提案する。脳ネットワークの組織構造と高度な計算モデリングを活用することで、DTBは脳機能および疾患の予測的でパーソナライズされたシミュレーションを可能にし、人工汎用知能と精密な精神保健医療の発展を促進する。

ABSTRACT

In recent years, advances in neuroscience and artificial intelligence have paved the way for unprecedented opportunities for understanding the complexity of the brain and its emulation by computational systems. Cutting-edge advancements in neuroscience research have revealed the intricate relationship between brain structure and function, while the success of artificial neural networks highlights the importance of network architecture. Now is the time to bring them together to better unravel how intelligence emerges from the brain's multiscale repositories. In this review, we propose the Digital Twin Brain (DTB) as a transformative platform that bridges the gap between biological and artificial intelligence. It consists of three core elements: the brain structure that is fundamental to the twinning process, bottom-layer models to generate brain functions, and its wide spectrum of applications. Crucially, brain atlases provide a vital constraint, preserving the brain's network organization within the DTB. Furthermore, we highlight open questions that invite joint efforts from interdisciplinary fields and emphasize the far-reaching implications of the DTB. The DTB can offer unprecedented insights into the emergence of intelligence and neurological disorders, which holds tremendous promise for advancing our understanding of both biological and artificial intelligence, and ultimately propelling the development of artificial general intelligence and facilitating precision mental healthcare.

研究の動機と目的

• 生物的知能と人工知能の間の拡大する格差に対処するため、統一された計算フレームワークを構築すること。
• 脳の構造、機能、ダイナミクスを複数スケールおよびモダリティにわたって統合するデジタルツインプラットフォームを構築すること。
• 脳アトラスを構造的制約として用いることで、脳機能および神経疾患の予測モデリングを可能にすること。
• 患者固有のデータを用いた個別化されたDTB構築により、仮想的個別療法を支援すること。
• 共通で利用可能で拡張可能なシミュレーションプラットフォームを通じて、人工汎用知能および精密精神保健医療の実現に向けた学際的協働を促進すること。

提案手法

• 脳アトラスによる脳構造、機能生成のためのボトムアップ神経モデル、および幅広いアプリケーションを含む、DTBの構築。
• 脳アトラスを基盤的制約として活用し、デジタルシミュレーションにおける脳のネットワークトポロジーと組織構造を保持すること。
• 神経画像、電気生理学、ゲノム学などのマルチスケール・マルチモダリティデータを統合的モデリングフレームワークに統合すること。
• GPUアクセラレーションと数値最適化されたシミュレーションプラットフォームを採用し、大規模な脳ダイナミクスシミュレーションを効率的かつ高速に実行すること。
• 健常対照群のデータを用いた事前学習と微調整を実施し、その後患者固有のデータに適応することで個別化されたDTBモデルを構築すること。
• 研究者を支援するため、統合的モデリング、シミュレーション、可視化、解析機能を備えた使いやすいオープンソースプラットフォームを設計すること。

実験結果

リサーチクエスチョン

• RQ1 脳アトラスは、人間の脳のデジタルツインモデルを制約および構造化するためにどのように活用できるか。
• RQ2 生物学的妥当性を保持しつつ、効率的でマルチスケールかつマルチモダリティの脳ダイナミクスシミュレーションを可能にする計算フレームワークは何か。
• RQ3 神経疾患および精神的障害のための仮想的個別療法を支援するために、どのように個別化されたデジタルツインを構築できるか。
• RQ4 ネットワークアーキテクチャは、生物的知能と人工知能の間の格差を埋めるために果たす役割は何か。
• RQ5 デジタルツイン脳モデルは、現象的モデルから予測的モデルへどのように進化できるか。

主な発見

• デジタルツイン脳（DTB）は、複数スケールおよびモダリティにわたる脳の構造、機能、ダイナミクスを統合する画期的なプラットフォームを提供する。
• 脳アトラスは、脳のネットワークトポロジーを保持するための重要な構造的制約として機能し、生物学的に妥当なモデリングを可能にする。
• 現在の神経情報学プラットフォームは、アトラス制約付き、マルチスケール、マルチモダリティのシミュレーションを完全にサポートしていないため、統合的で新しいプラットフォームの必要性が浮き彫りになる。
• DTBは、脳疾患の現象的モデルから予測的モデルへの移行を可能にし、個別化された治療戦略の開発を支援する。
• 健常対照群のデータを用いた事前学習に続き、患者固有のデータによる微調整を実施することで、個別化されたDTBを構築でき、仮想療法シミュレーションが可能になる。
• DTBは、知能の出現および神経疾患の発現をシミュレートすることで、人工汎用知能および精密精神保健医療の発展に大きな可能性を秘めている。