AI-systemen worden steeds vaker ingezet buiten de wereld van tekst en taal. Een nieuw AI-model, CellTransformer, heeft nu voor een wereldprimeur gezorgd: het kan de meest gedetailleerde kaart van muizenhersenen ooit maken. Wat deze ontwikkeling bijzonder maakt, is dat de AI meer dan duizend hersengebieden automatisch kan herkennen, veel meer dan onderzoekers tot nu toe handmatig konden onderscheiden. Dit laat zien hoe AI niet alleen onze digitale wereld verandert, maar ook een steeds grotere rol speelt in wetenschappelijk onderzoek.
1. Wat CellTransformer doet
De AI maakt gebruik van een techniek die vergelijkbaar is met wat modellen als ChatGPT gebruiken: de transformer-architectuur.
Deze techniek leert patronen herkennen door te analyseren welke stukken informatie met elkaar samenhangen.
In plaats van zinnen of woorden, bestudeert CellTransformer biologische informatie:
* de positie van hersencellen
* hun moleculaire kenmerken
* welke genen actief zijn.
Door te voorspellen welke genen actief zijn op basis van de cellen eromheen, leert het systeem hoe hersencellen zich organiseren in functionele groepen en hersengebieden.
2. Schaalbaar naar hele hersenen
Waar eerdere analysemethoden vaak vastliepen bij datasets van enkele honderdduizenden cellen, kan CellTransformer 10 miljoen cellen tegelijk verwerken. Dat lukte door het slimme ontwerp: het model kijkt niet naar alles in één keer, maar naar kleine groepjes cellen in de buurt van elkaar. Het systeem houdt rekening met een omgeving van ongeveer 85 micrometer (ongeveer zo dik als een mensenhaar). Daardoor gebruikt het veel minder computergeheugen en kan het veel grotere hersengebieden analyseren dan ooit tevoren. De onderzoekers testten de methode op vier muizen. Ondanks verschillen in het weefsel en de manier van snijden, herkende het systeem bij 93 procent van de gevallen dezelfde hersengebieden. En dat zonder speciaal extra trainen.
3. Nieuwe inzichten in hersenstructuur
De AI herkende niet alleen bekende hersengebieden, maar ontdekte ook honderden nieuwe subregio’s die tot nu toe niet eerder waren opgemerkt. Een voorbeeld is de midbrain reticular nucleus, een belangrijk gebied dat betrokken is bij beweging. Daar vond CellTransformer vier duidelijke subgebieden met elk een eigen patroon van celactiviteit. Aan de bovenkant meer glutamaterge neuronen (zenuwcellen die signalen doorgeven).
Aan de onderkant meer gliacellen (steuncellen in de hersenen). Dit wijst op verschillende functies binnen één hersengebied, iets wat menselijke onderzoekers eerder moeilijk konden aantonen.
4. Nog niet perfect
Zoals bij elke nieuwe technologie zijn er beperkingen. Het gebruikte AI-model is algemeen en niet specifiek ontworpen voor medisch onderzoek. Er zijn tot nu toe slechts een paar duizend genen meegenomen in de analyse, terwijl muizen ongeveer 20.000 genen hebben. De methode is alleen getest op muizen, dus we weten nog niet hoe goed dit werkt bij mensen.
Toch is de richting duidelijk: AI-systemen zoals CellTransformer kunnen ons helpen om complexe biologische structuren sneller en nauwkeuriger in kaart te brengen.
5. Wat dit betekent voor HCC-leden
Voor veel HCC-leden is dit een goed voorbeeld van hoe AI onze samenleving veel breder raakt dan alleen tekst, chatbots of foto’s genereren.
Deze ontwikkeling laat zien:
* AI wordt een belangrijke motor voor wetenschappelijk onderzoek, zeker in de biologie en geneeskunde.
* Er komt steeds meer open data en open-source tooling beschikbaar waarmee ook burgeronderzoekers en geïnteresseerden kunnen meekijken of experimenteren.
Kennis van AI helpt je niet alleen om technologie te gebruiken, maar ook om te begrijpen hoe medische en wetenschappelijke beslissingen in de toekomst beïnvloed kunnen worden door algoritmes.
* Dit soort technieken zal op termijn ook vertalen naar medische toepassingen bij mensen, zoals snellere diagnose of gepersonaliseerde behandelingen.
Voor leden die graag praktisch aan de slag gaan: veel van de onderliggende AI-technieken (zoals transformerarchitecturen en dataverwerking in blokjes) worden ook toegepast in open modellen die wél voor hobbyprojecten beschikbaar zijn. Het volgen van dit soort ontwikkelingen helpt je om voorop te blijven lopen in de AI-revolutie.
6. Vooruitblik
Als dit soort AI-systemen verder worden verbeterd, kunnen ze niet alleen hersengebieden herkennen, maar ook verbanden leggen tussen hersenactiviteit en gedrag. Dat opent de deur naar nieuwe inzichten in neurologische ziekten zoals Parkinson, Alzheimer en epilepsie.
Hoewel deze technologie nog in de onderzoeksfase zit, is de sprong van handmatig labelen naar volledig geautomatiseerd analyseren enorm. Voor het eerst kunnen onderzoekers complexe biologische structuren in hun geheel bekijken, zonder jarenlange handmatige arbeid.
Conclusie
Met CellTransformer heeft AI opnieuw laten zien dat het meer kan dan tekst genereren of plaatjes maken. Het model brengt hersenen in kaart op een manier die voor menselijke onderzoekers simpelweg te tijdrovend zou zijn. Voor ons als HCC-leden is dit een fascinerend voorbeeld van hoe AI steeds dieper doordringt in wetenschap en samenleving. Wie AI beter wil begrijpen, doet er goed aan ook naar deze minder zichtbare toepassingen te kijken — want dáár ligt vaak de echte innovatie.
Disclaimer
Dit artikel is bedoeld als algemene voorlichting voor HCC-leden. De beschreven technologie is gebaseerd op wetenschappelijk onderzoek dat in oktober 2025 is gepubliceerd. HCC doet geen medisch onderzoek en geeft geen medisch advies. Toepassingen in de gezondheidszorg bevinden zich nog in de onderzoeksfase.
