مؤسسه علوم اعصاب وو تسای در دانشگاه استنفورد آغاز یک تلاش فراگیر در سطح دانشگاه را در تاریخ ۲ نوامبر اعلام کرد تا فناوری‌های تصویربرداری مغز و مدل‌های محاسباتی را توسعه دهد که فعالیت مغز انسان را ترسیم می‌کنند. این ابتکار که با نام «پروژه مغز دیجیتال استنفورد» شناخته می‌شود، هدف تولید داده و استفاده از آن برای آموزش مدل‌های هوش مصنوعی بنیادین برای پژوهش‌های آتی نظری و بالینی در علوم اعصاب را دارد.
«این پروژه چشم‌انداز دقیقاً همان نوع علم جاه‌طلبانه و همکاری است که استنفورد به تنهایی موقعیت انجام آن را دارد»، جاناتان لوین ’94، رئیس دانشگاه، به گزارش خبری استنفورد گفت.
برای پیش‌بینی و نظریه‌پردازی تشخیص و درمان بالینی بدون استفاده از افراد واقعی، «[این ابتکار] نیازمند تلاش هماهنگ زیادی است، از فیزیکدانان و دانشمندان شناختی گرفته تا دانشمندان کامپیوتر»، سدا آکیبییک، محقق پسادکتری که در جمع‌آوری داده‌های پروژه در آزمایشگاه علوم اعصاب بینایی و ادراک بخش روانشناسی مشارکت دارد، اظهار داشت.
این ابتکار بین‌رشته‌ای اساتید مؤسسه علوم اعصاب وو تسای، دانشکده علوم انسانی و طبیعی، دانشکده پزشکی و دانشکده مهندسی را به هم متصل می‌کند.
«پروژه هدف ایجاد یک مدل شبکه عصبی مصنوعی بزرگ را دارد»، پولدرک گفت. «[همکاری با متخصصان] اطمینان می‌دهد که ما به مسئله از جهات مختلف نگاه می‌کنیم.»
همکاری متقابل بین دپارتمان‌ها دامنه پروژه را گسترش می‌دهد. «ارزش در آوردن متخصصان کنار هم و یادگیری از یکدیگر و تغییر دیدگاه‌های یکدیگر نهفته است. این افق‌های ما را در نحوه تفکر درباره علم گسترش می‌دهد»، آکیبییک گفت.
تیم توسط تکنیک‌های یادگیری ماشین مدرن و پیشرفت‌های اخیر در تصویربرداری که امکان ثبت فعالیت مغز را به صورت غیرتهاجمی و با وضوح بالا فراهم می‌کند، انگیزه یافت. مدل حاصل طبق گفته دانیال یامینز، استاد روانشناسی و علوم کامپیوتر و محقق عضو هیئت علمی مؤسسه علوم اعصاب وو تسای، برای پشتیبانی از درمان استفاده خواهد شد.
این پروژه همچنین امیدوار است پیش‌بینی‌های دقیقی درباره اختلالات عصبی (Neural Perturbations)، یعنی روش‌هایی که دانشمندان در حین آزمایش‌ها فعالیت مغز را مختل می‌کنند، تولید کند.
«فرض کنید می‌خواهید وضعیت مغز را از حالت بیمار به سالم تغییر دهید. کجا باید اختلال ایجاد کنید تا این اتفاق بیفتد؟» یامینز پرسید. پروژه هدف پاسخ به این سوالات را دارد.
تیم تحقیقاتی برنامه دارد داده‌ها را از موضوعات جذب شده با استفاده از دستگاه‌های تصویربرداری تشدید مغناطیسی کارکردی با میدان فوق‌العاده بالا ۷ تسلا (7T fMRI) و کلاه ایمنی قابل پوشیدن اسکن مغز جمع‌آوری کند. این کلاه یک مغناطومتر پمپاژ نوری - مغناطیس‌نگاری مغز (OPM-MEG) است که میدان‌های مغناطیسی بسیار کوچک تولید شده خارج از سر را ناشی از جریان‌های الکتریکی نورون‌ها اندازه‌گیری می‌کند.
مغناطیس‌نگاری مغز کمک می‌کند نقشه‌برداری از فعالیت مغز. «وقتی نورون‌ها در مغز شما شلیک می‌کنند، میدان‌های الکتریکی ایجاد می‌کنند. شما می‌توانید این‌ها را با قرار دادن الکترودها روی سر افراد اندازه بگیرید»، راسل پولدرک، استاد روانشناسی، روانپزشکی و علوم رفتاری گفت.
هر دو تکنیک تصویربرداری 7T fMRI و OPM-MEG برای موفقیت پروژه ضروری هستند. 7T fMRI برای ردیابی فعالیت مغز در مناطق خاص مفید است، اما نمی‌تواند زمان را خوب ثبت کند. OPM-MEG می‌تواند با دقت میلی‌ثانیه تصویربرداری کند، اما در ردیابی مکان دقیق سیگنال مغز مشکل دارد. «اگر فقط از یکی استفاده کنید، جنبه‌های مهمی را از دست می‌دهید»، آکیبییک گفت.
محققان خوش‌بین هستند که این پروژه پژوهش‌های علوم اعصاب و مراقبت بالینی را متحول خواهد کرد. «ما دانشمند هستیم. به جای استفاده از فناوری‌های موجود، فناوری جدید توسعه می‌دهیم. ما فرصت داریم از چیزهایی استفاده کنیم که قبلاً استفاده نشده‌اند»، کلانیت گریل اسپکتور، استاد روانشناسی و یکی از رهبران تلاش‌های جمع‌آوری داده‌های پروژه، گفت.
تیم در انتظار تأیید هیئت بازنگری نهادی (Institutional Review Board) برای جذب مشارکت‌کنندگان است.
پروژه مغز دیجیتال استنفورد به سایر تلاش‌ها برای توسعه فناوری‌های پیش‌بینی عصبی مانند ابتکار متا با نام «ترانسفورمر برای آزمایش‌های مغزی در محیط مجازی» (TRIBE) می‌پیوندد. TRIBE که یکی از الهام‌بخش‌های اصلی تیم تحقیقاتی بود، داده‌ها را جمع‌آوری می‌کند تا یک دوقلوی دیجیتال از فعالیت عصبی بسازد و بفهمد مغز چگونه محرک‌های پیچیده را پردازش می‌کند. متا امیدوار است این امر به دانشمندان علوم اعصاب کمک کند تا پیشرفت‌ها را تسریع بخشند و نظریه‌ها را بدون نیاز به موضوعات انسانی آزمایش کنند.
«این یکی از موفق‌ترین انواع مدل‌های بنیادین مغز است»، پولدرک گفت. در مقاله ۲۰۲۶ خود، متا نشان داد که چقدر مدل با افزایش حجم داده بهبود می‌یابد. پولدرک از پیشرفت‌های متا الهام گرفته است.
«[مقاله] نشان می‌دهد که ما هنوز خیلی دور از حد توان هستیم»، او گفت. تیم امیدوار است مدل خود را با داده‌های عمیق، کسب شده از یک گروه کوچک‌تر، توسعه دهد.
اگر پروژه موفق شود، پولدرک می‌گوید چندین مرتبه بزرگ‌تر از هر مجموعه داده موجود خواهد بود. «ما داده‌ها را به اشتراک خواهیم گذاشت تا دیگران نیز بتوانند از آن‌ها بهره‌مند شوند»، او گفت.
این پروژه نه تنها هدف گسترش حوزه علوم اعصاب را دارد، بلکه می‌خواهد نحوه همکاری دانشمندان را نیز متحول کند. «من چنین تلاشی ندیده‌ام. جایی که بسیاری از اساتید پژوهشگر و آزمایشگاه‌های مختلف گرد هم می‌آیند تا روی این پروژه و هدف مشترک کار کنند»، گریل اسپکتور گفت. «این می‌تواند راه جدیدی برای انجام علم باشد.»