如何训练你的AI智能显微镜

2022-03-12新闻资讯 所属专题: 生命科学

人工智能将定义显微镜的未来。随着许多高度监管的行业对更强大的图像分析的需求不断增加,Luciano Lucas讨论了训练 AI 模型以最大限度地发挥其潜力同时确保研究结果的有效性的必要性

物镜对果蝇胚胎进行成像

图片: 在 SIMView 光片显微镜上每 30 秒使用 16x 0.8NA 水物镜对果蝇胚胎进行成像。使用 Aivia 的 3D 对象跟踪配方跟踪细胞。

显微镜的未来在于技术解决方案可以为科学家和研究人员提供的见解。这将为整个行业带来的好处将是真正的变革。

人工智能 (AI) 越来越多地被部署在各个行业领域,以改变过时的工作流程、消除人为错误、提高生产力并释放非凡的新机遇。然而,尽管革命正在进行中,但人工智能继续遭受炒作周期、误解和虚假陈述的困扰。这造成的不确定性阻碍了它的采用——尤其是在更传统的行业。

生命科学就是这些行业之一。“久经考验”具有安全性和舒适性——如果它以前被使用过数千次,你就会知道它不会破坏你研究的有效性。因此,生命科学研究市场在采用新技术和方法方面进展缓慢。但对加快上市速度的需求不断增长,研发在这方面发挥着关键作用。Covid-19 大流行向我们表明,通过正确的资金、合作和数字创新,我们可以打破记录,带来新的治疗方法。这需要成为彻底重新思考人工智能在我们行业中可以发挥的作用以及它可以给生命科学和生物制药公司带来的好处的催化剂。

双色类器官簇

图片: 双色类器官簇,用 DAPI – Nucleus、GFP – Plasma Membrane 染色。样品由奥地利维也纳医科大学癌症研究所 Dana Krauß 提供。

显微镜是生命科学的一个领域,我们在这个领域看到了真正的创新。我们正处于颠覆性转型时期,技术的作用正在发生不可逆转的变化。过去,显微镜可以创造出最好的图像,而创新和投资的重点是逐步改进硬件以实现这一目标。图像质量和分辨率当然仍然至关重要,但洞察力——技术可以告诉你关于图像或图像的什么——提供了真正的价值并拥有如此巨大的潜力。

对于任何使用显微镜的科学家来说,图像分析通常是一项低效且乏味的工作。例如,要了解癌细胞是如何转移的,可能需要一个接一个地查看成百上千张图像。对于人类来说,这项任务非常耗时,增加了所有研究人员目前正在努力应对的本已巨大的管理负担。它也充满了出错的机会——要么是由于人为错误,要么仅仅是因为人类不可能有效地处理这么多的数据。为了保持这一趋势的领先地位,在过去五年中,我们收购并开发了一种软件解决方案,使科学家能够创建用于自主图像分析的 AI 模型。必须输入基本信息,并进行初步分析以训练模型,

乳腺上皮微球体

图片:在 3D 中培养的乳腺上皮微球体的延时记录的单个时间点,突出了单个有丝分裂事件。数据由德国海德堡 BioQuant / DKFZ 智能成像小组 B. Eismann 和 C. Conrad 提供。

经过适当训练的人工智能系统可以比人类更有效地识别复杂图像中的模式并将它们与特定疾病状态相关联(例如,在分析眼底照片以检测糖尿病眼病)。但人类仍然更善于理解和解释这些发现的真正含义。

小鼠大脑

图片: 使用 PEGASOS 2 组织清除方法处理的整个小鼠大脑中 Thy1-EGFP 标记的神经元,在 Leica SP8 共聚焦显微镜、40x /1.3NA 物镜上成像。图片来源:胡兆,中国脑科学研究所,北京,中国。

VMF400I 科研级三目倒置荧光显微镜

VMF400I 科研级三目倒置荧光显微镜

显微镜的未来在于技术解决方案可以为科学家和研究人员提供的见解。这将为整个行业带来的好处将是真正的变革。科学家可以消除与图像分析相关的大部分负担,将他们解放出来,专注于需要智能整合来自多个领域(例如,图像、空间、基因组和蛋白质组数据)的复杂信息的创造性任务。这是人工智能仍然不擅长的事情,不太可能很快赶上人类。如果我们实现从繁琐的管理到批判性思维的转变,我们将能够做得更好,做得更快,这将转化为更优质的治疗,更快地推向市场。

该技术已经存在并且一直在改进。我们现在需要专注于为科学家提供所需的教育和培训,以了解人工智能工具的能力和局限性以及如何最好地应用它们,这样他们就可以自信地传达人工智能是如何被用来帮助得出结论的。这需要时间,但五年后毫无疑问,这将成为常态,当对行业、客户和患者的好处如此明显时,我们会想知道我们花了这么长时间。