Analyse cellulaire automatisée grâce à l'intelligence artificielle
Une équipe de recherche internationale met au point une méthode logicielle conviviale
L'identification et la délimitation des structures cellulaires dans les images de microscopie sont essentielles pour comprendre les processus complexes de la vie. Cette tâche, appelée "segmentation", permet toute une série d'applications, telles que l'analyse de la réaction des cellules aux traitements médicamenteux ou la comparaison des structures cellulaires dans différents génotypes. Il était déjà possible d'effectuer une segmentation automatique de ces structures biologiques, mais les méthodes dédiées ne fonctionnaient que dans des conditions spécifiques et leur adaptation à de nouvelles conditions était coûteuse. Une équipe de recherche internationale dirigée par l'université de Göttingen a maintenant mis au point une méthode en recyclant le logiciel existant Segment Anything, basé sur l'intelligence artificielle, sur plus de 17 000 images de microscopie comportant plus de 2 millions de structures annotées à la main. Leur nouveau modèle s'appelle Segment Anything for Microscopy et peut segmenter avec précision des images de tissus, de cellules et de structures similaires dans un large éventail de contextes. Pour le mettre à la disposition des chercheurs et des médecins, ils ont également créé μSAM, un logiciel convivial permettant de "segmenter n'importe quoi" dans les images de microscopie. Leurs travaux ont été publiés dans la revue Nature Methods.
Segmentation d'images de microscopie électronique avec μSAM. Cette image montre comment le modèle peut segmenter les noyaux, avec des points et des boîtes de l'utilisateur et les masques correspondants prédits par le modèle.
The underlying image from data published in Cell (S0092-8674(21)00876-X). Image created by Anwai Archit using the μSAM tool.
Pour adapter le logiciel existant à la microscopie, l'équipe de recherche l'a d'abord évalué sur un vaste ensemble de données open-source, qui a montré le potentiel du modèle pour la segmentation en microscopie. Pour améliorer la qualité, l'équipe l'a réentraîné sur un grand ensemble de données de microscopie. Cela a permis d'améliorer considérablement les performances du modèle pour la segmentation des cellules, des noyaux et des minuscules structures cellulaires connues sous le nom d'organites. L'équipe a ensuite créé son logiciel, μSAM, qui permet aux chercheurs et aux médecins d'analyser les images sans avoir à peindre manuellement les structures au préalable ou à entraîner un modèle d'IA spécifique. Le logiciel est déjà largement utilisé au niveau international, par exemple pour analyser les cellules nerveuses de l'oreille dans le cadre d'un projet sur la restauration de l'audition, pour segmenter des cellules tumorales artificielles dans le cadre de la recherche sur le cancer ou pour analyser des images de microscopie électronique de roches volcaniques.
"L'analyse des cellules ou d'autres structures est l'une des tâches les plus difficiles pour les chercheurs travaillant en microscopie et constitue une tâche importante tant pour la recherche fondamentale en biologie que pour le diagnostic médical", explique le professeur junior Constantin Pape de l'Institut d'informatique de l'université de Göttingen. "Mon groupe est spécialisé dans la création d'outils permettant d'automatiser ces tâches et les chercheurs nous demandent souvent de les aider. Avant le développement de Segment Anything for Microscopy, nous devions d'abord leur demander d'annoter un grand nombre de structures à la main - une tâche difficile et chronophage. μSAM a changé cela ! Des tâches qui nécessitaient des semaines d'efforts manuels laborieux peuvent être automatisées en quelques heures, car le modèle peut segmenter n'importe quel type de structure biologique en quelques clics et peut ensuite être amélioré pour automatiser la tâche avec notre outil. Cela permet de nombreuses nouvelles applications, et nous l'avons déjà utilisé dans un large éventail de projets, allant de la biologie cellulaire de base au développement d'outils pour la recommandation de traitement dans les thérapies contre le cancer.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
