Terveydenhuolto

Tietokoneen näköjärjestelmä analysoi soluja automaattisesti

Alex McFarland
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatAutomatisoitu soluanalyysi korvaa manuaalisen työn, jota kukaan asiantuntija ei…
Näytä lisää
  • Automatisoitu soluanalyysi korvaa manuaalisen työn, jota kukaan asiantuntija ei pystyisi ylläpitämään kuukausien ajan.
  • Syvät neuroverkot mahdollistavat sen, että järjestelmä seuraa tuhansia soluja muutaman sadan sijaan.
  • Samaa konenäköjärjestelmää testataan jo T-soluilla ja dendriittisoluilla syöpäkudoksissa.

Madridin Carlos III -yliopiston (UC3M) tutkijoiden kehittämä uusi konenäköjärjestelmä mahdollistaa mikroskopialla kuvattujen biolääketieteellisten videoiden automaattisen analysoinnin. Järjestelmä kuvaa ja kuvailee solujen käyttäytymistä kuvissa.

Uutta tekniikkaa on käytetty elävien kudosten mittauksiin, jotka tehtiin National Center for Cardiovascular Research -tutkimuskeskuksessa. Tutkimuksessa tiimi havaitsi, että neutrofiilit, jotka ovat tietyn tyyppisiä immuunisoluja, osoittavat erilaisia käyttäytymisiä veressä tulehdusprosessien aikana. Lisäksi he löysivät, että yksi näistä prosesseista liittyy sydän- ja verisuonitauteihin.

Tutkimus julkaistiin tiedelehdessä Nature.

Mahdollistaa uudet hoidot

Nämä kehitysaskeleet voivat mahdollistaa uusia hoitoja, joilla voidaan vähentää sydänkohtauksen vaikutuksia.

Professori Fernando Díaz de María on UC3M:n Multimedia Processing Group -ryhmän johtaja ja yksi tutkimuksen tekijöistä.

“Meidän panoksemme on suunnitella ja kehittää täysin automaattinen järjestelmä, joka perustuu konenäkötekniikoihin ja mahdollistaa tutkittavien solujen ominaisuuksien määrittämisen analysoimalla biologien intravitaalimikroskopialla kuvaamia videoita”, María sanoo.

Perinteiset biologiset tutkimukset usein tukeutuvat muutaman sadan manuaalisesti karakterisoidun solun analyyseihin, mutta uudessa tutkimuksessa tehtiin automaattisia mittauksia muodosta, koosta, liikkeistä ja asemasta suhteessa verisuoneen useista tuhansista soluista. Tämä mahdollistaa edistyneen biologisen analyysin, jolla on suurempi tilastollinen merkitys.

Uuden järjestelmän edut

Tutkijat sanovat, että uudella järjestelmällä on useita etuja sekä ajassa että tarkkuudessa.

Ivan González Díaz on apulaisprofessori Signal Theory and Communications -osastolla UC3M:ssa. Hän on myös yksi tutkimusryhmän jäsenistä.

“Ei ole mahdollista, että asiantuntija biologi jatkuvasti segmentoi ja seuraa soluja videolla kuukausien ajan. Toisaalta, antaaksemme arvion (koska se riippuu solujen määrästä ja 3D-volyymisyvyydestä), järjestelmämme analysoi 5-minuuttisen videon vain 15 minuutissa”, Díaz sanoo.

Tiimi käytti syviä neuroverkkoja solujen segmentointiin ja havaitsemiseen. Järjestelmän käyttöönotto uudessa kontekstissa edellytti useiden opetusesimerkkien luomista, ja järjestelmän piti sisältää useita muita tilastollisia menetelmiä ja geometrisia malleja.

Järjestelmä vaatii monikäyttöistä ohjelmistoa, jota voidaan sovittaa muihin ongelmiin.

Miguel Molina Moreno on yksi tutkijoista.

“Sovellamme sitä jo muissakin tilanteissa tutkiaksemme T-solujen ja dendriittisolujen immunologista käyttäytymistä syöpäkudoksissa. Alustavat tulokset ovat lupaavia”, Moreno sanoo.

Alex johtaa Unite.AI:n tekoälypohjaista uutistoimintaa, yhdistäen journalismia, tutkimusta ja automaatiota tukeakseen ajantasaista ja skaalautuvaa tekoälyä koskevaa uutisointia. Hänen työnsä auttaa varmistamaan, että nousevat tekoälykehitykset saadaan esiin tehokkaasti samalla kun julkaisun toimitukselliset standardit säilyvät.