Berlińscy naukowcy uczą AI analizować mikroskopowe zdjęcia śluzu z płuc

Analiza jednego zdjęcia z mikroskopu elektronowego, na którym trzeba ręcznie zmierzyć pory i włókna w siatce śluzu, zajmuje doświadczonemu badaczowi od 10 do 30 minut. Zespół naukowców z Berlina pokazał, że system uczenia maszynowego robi to samo w około 15 sekund, a wyniki opisał w czasopiśmie American Journal of Physiology-Lung Cellular and Molecular Physiology.

Jak działa system

Narzędzie łączy klasyczną technikę obrazowania, skaningową mikroskopię elektronową (SEM), z algorytmem Trainable Weka Segmentation działającym w popularnej wśród biologów platformie Fiji. Sieć neuronowa typu multi-layer perceptron klasyfikuje każdy piksel obrazu do jednej z czterech kategorii: ciemne pory, jasne pory, ciemne włókna i jasne włókna.

Na tej podstawie system tworzy mapy prawdopodobieństwa, które następnie zamieniane są na obrazy binarne. Z takich uproszczonych map algorytm wylicza konkretne parametry strukturalne sieci śluzu: wielkość porów, długość włókien i stopień rozgałęzienia siatki.

Dlaczego struktura śluzu ma znaczenie

Śluz w drogach oddechowych i jelitach działa jak filtr i bariera ochronna, a jego gęstość sieci porów decyduje o tym, jak łatwo przechodzą przez nią bakterie, wirusy czy leki. W chorobach takich jak mukowiscydoza, przewlekła obturacyjna choroba płuc (POChP) czy ciężka astma z nadprodukcją śluzu struktura ta ulega zmianie, co utrudnia jego usuwanie z organizmu i sprzyja infekcjom.

Do tej pory takie pomiary wykonywano ręcznie, co ograniczało liczbę próbek możliwych do przeanalizowania w jednym badaniu i wprowadzało różnice wynikające z subiektywnej oceny poszczególnych badaczy. Automatyzacja tego procesu ma umożliwić analizę znacznie większych zbiorów danych w rozsądnym czasie.

Ograniczenia badania

Autorzy pracy, wśród których jako autorzy korespondencyjni wymienieni są Yannic Kerkhoff i Matthias Ochs, zastrzegają, że narzędzie na razie testowano wyłącznie na próbkach od zdrowych dawców. Nie zostało jeszcze zwalidowane na materiale od pacjentów z mukowiscydozą, czyli grupy, dla której potencjalne zastosowanie kliniczne byłoby najbardziej wartościowe.

Oznacza to, że zanim metoda trafi do praktyki diagnostycznej lub badań nad nowymi lekami rozrzedzającymi śluz, konieczne będzie powtórzenie analizy na próbkach chorobowych i porównanie wyników z dotychczasowymi metodami oceny stanu dróg oddechowych pacjentów.

Co dalej

System działa lokalnie jako wtyczka do Fiji, darmowej platformy do analizy obrazów mikroskopowych używanej powszechnie w laboratoriach biologicznych na całym świecie, co obniża próg wejścia dla innych zespołów chcących z niego skorzystać bez potrzeby budowania własnej infrastruktury obliczeniowej.

Praca pokazuje wzorzec powtarzający się w ostatnich miesiącach w naukach biomedycznych: modele uczenia maszynowego nie zastępują tu lekarzy czy badaczy, lecz przejmują żmudną, powtarzalną pracę pomiarową, pozwalając specjalistom skupić się na interpretacji wyników i projektowaniu kolejnych eksperymentów.