Una rápida mirada bajo la piel
Los algoritmos de auto-aprendizaje analizan los datos de imágenes médicas
Las técnicas de imagen permiten una mirada detallada dentro de un organismo. Pero la interpretación de los datos lleva mucho tiempo y requiere una gran experiencia. Las redes neuronales artificiales abren nuevas posibilidades: Requieren sólo segundos para interpretar escaneos de cuerpo entero de ratones y para segmentar y representar los órganos en colores, en lugar de en varios tonos de gris. Esto facilita considerablemente el análisis.
Gracias a la inteligencia artificial, el software AIMOS es capaz de reconocer huesos y órganos en imágenes tridimensionales en escala de grises y los segmenta, lo que facilita considerablemente la evaluación posterior.
Astrid Eckert / TUM
¿Qué tamaño tiene el hígado? ¿Cambia si se toman medicamentos? ¿Está el riñón inflamado? ¿Hay un tumor en el cerebro y ya se han desarrollado metástasis? Para responder a estas preguntas, los biocientíficos y los médicos hasta la fecha han tenido que analizar e interpretar una gran cantidad de datos.
"El análisis de los procesos de imágenes tridimensionales es muy complicado", explica Oliver Schoppe. Junto con un equipo de investigación interdisciplinario, el investigador de la TUM ha desarrollado ahora algoritmos de auto-aprendizaje para ayudar en el futuro a analizar datos de imágenes biocientíficas.
En el núcleo del software AIMOS - la abreviatura significa Segmentación de Órganos de Ratón basada en la IA - hay redes neuronales artificiales que, como el cerebro humano, son capaces de aprender. "Solías tener que decir a los programas de ordenador exactamente lo que querías que hicieran", dice Schoppe. "Las redes neuronales no necesitan tales instrucciones:" Basta con entrenarlas presentando un problema y una solución varias veces. Gradualmente, los algoritmos comienzan a reconocer los patrones relevantes y son capaces de encontrar las soluciones correctas por sí mismos."
Algoritmos de autoaprendizaje de entrenamiento
En el proyecto AIMOS, los algoritmos fueron entrenados con la ayuda de imágenes de ratones. El objetivo era asignar los puntos de imagen del escáner 3D de cuerpo entero a órganos específicos, como el estómago, los riñones, el hígado, el bazo o el cerebro. Basándose en esta asignación, el programa puede entonces mostrar la posición y la forma exacta.
"Tuvimos la suerte de tener acceso a varios cientos de imágenes de ratones de un proyecto de investigación diferente, todas las cuales ya habían sido interpretadas por dos biólogos", recuerda Schoppe. El equipo también tuvo acceso a escaneos microscópicos de fluorescencia en 3D del Instituto de Ingeniería de Tejidos y Medicina Regenerativa en el Helmholtz Zentrum München.
A través de una técnica especial, los investigadores fueron capaces de eliminar completamente el tinte de los ratones ya fallecidos. Los cuerpos transparentes pudieron ser fotografiados con un microscopio paso a paso y capa por capa. Las distancias entre los puntos de medición eran sólo de seis micrómetros, lo que equivale al tamaño de una célula. Los biólogos también habían localizado los órganos en estos conjuntos de datos.
La inteligencia artificial mejora la precisión
En el TranslaTUM los técnicos de información presentaron los datos a sus nuevos algoritmos. Y estos aprendieron más rápido de lo esperado, informa Schoppe: "Sólo necesitábamos alrededor de diez escaneos de cuerpo entero antes de que el software fuera capaz de analizar con éxito los datos de la imagen por sí mismo - y en cuestión de segundos. Se necesitan horas humanas para hacer esto".
El equipo comprobó la fiabilidad de la inteligencia artificial con la ayuda de otros 200 escaneos de cuerpo entero de ratones. "El resultado muestra que los algoritmos de auto-aprendizaje no sólo son más rápidos en el análisis de datos de imágenes biológicas que los humanos, sino también más precisos", resume el profesor Bjoern Menze, jefe del grupo de Modelización Biomédica Basada en Imágenes de TranslaTUM en la Universidad Técnica de Munich.
El software inteligente se utilizará en el futuro, en particular en la investigación básica: "Las imágenes de ratones son vitales para, por ejemplo, investigar los efectos de nuevos medicamentos antes de que sean administrados a los seres humanos. El uso de algoritmos de auto-aprendizaje para analizar los datos de las imágenes en el futuro ahorrará mucho tiempo en el futuro", enfatiza Menze.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Estos productos pueden interesarle
Limsophy de AAC Infotray
Optimice los procesos de su laboratorio con Limsophy LIMS
Integración perfecta y optimización de procesos en la gestión de datos de laboratorio
ERP-Software de GUS
GUS-OS Suite: Su ERP para la industria de procesos
Optimizamos sus procesos empresariales
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
