Mirada rápida debajo de la piel

Las técnicas de imagen permiten una mirada detallada dentro de un organismo. Pero la interpretación de los datos lleva mucho tiempo y requiere mucha experiencia. Las redes neuronales artificiales abren nuevas posibilidades: solo requieren unos segundos para interpretar los escaneos de todo el cuerpo de los ratones y para dividir e imitar órganos en color, en lugar de en diferentes tonos de gris. Esto facilita enormemente el análisis.

¿Qué tan grande es el hígado? ¿Cambia si se toma la medicación? ¿Están inflamados los riñones? ¿Hay un tumor en el cerebro y realmente se han desarrollado metástasis? Para responder a preguntas como estas, los biólogos y los médicos hasta ahora han tenido que examinar e interpretar una gran cantidad de datos.

«El análisis de imágenes 3D es extremadamente complejo», explica Oliver Shobeh. Junto con un equipo de investigación multidisciplinario, el investigador de TUM ha desarrollado algoritmos de autoaprendizaje para ayudar a analizar datos de imágenes biométricas en el futuro.

En el núcleo de AIMOS, el acrónimo de segmentación de órganos de ratón basada en IA, se encuentran las redes neuronales artificiales, como el cerebro humano, que son capaces de aprender. «Tenías que decirle al software exactamente lo que querías hacer», dice Shobh. Las redes neuronales no necesitan tales instrucciones: “Basta entrenarlas presentando un problema y una solución varias veces. Gradualmente, los algoritmos comienzan a reconocer los patrones relevantes y son capaces de encontrar soluciones apropiadas por sí mismos «.

Entrenamiento de algoritmos de autoaprendizaje

En el proyecto AIMOS, los algoritmos se entrenaron con la ayuda de imágenes de ratas. El objetivo es mapear puntos de imagen de la exploración 3D de todo el cuerpo a órganos específicos, como el estómago, los riñones, el hígado, el bazo o el cerebro. Dependiendo de esta tarea, el software puede mostrar la posición y la forma exactas.

«Tuvimos la suerte de tener acceso a varios cientos de fotografías de ratones de un proyecto de investigación diferente, todas las cuales ya fueron interpretadas por dos biólogos», recuerda Shobeh. El equipo también obtuvo acceso a escaneos de microscopía 3D del Instituto de Ingeniería de Tejidos y Medicina Regenerativa en Helmholtz Zentrum München.

Mediante una técnica especial, los investigadores pudieron eliminar completamente el tinte de los ratones que ya habían muerto. Los objetos transparentes se pueden fotografiar con un microscopio paso a paso y capa por capa. Las distancias entre los puntos de medición eran de solo 6 μm, lo que equivale al tamaño de una celda. Los biólogos también han localizado los órganos en estos conjuntos de datos.

La inteligencia artificial mejora la precisión

En TranslaTUM, los tecnólogos de la información han introducido datos en sus nuevos algoritmos. Y aprendieron más rápido de lo esperado, según el informe de Shobeh: «Solo necesitamos unas diez exploraciones de cuerpo entero antes de que el programa pueda analizar con éxito los datos de imágenes por sí solo, y en cuestión de segundos. Se necesitan horas humanas para hacer esto».

Luego, el equipo examinó la confiabilidad de la IA con la ayuda de otros 200 escaneos de ratones de todo el cuerpo. «El resultado muestra que los algoritmos de autoaprendizaje no solo son más rápidos en el análisis de datos de imágenes biológicas de humanos, sino que también son más precisos», dice el profesor Björn Menze, director del Grupo de modelado biomédico basado en imágenes TranslaTUM en la Universidad Técnica de Munich.

En el futuro, el programa inteligente se utilizará en particular en la investigación básica: «Las imágenes de ratón son necesarias, por ejemplo, para investigar los efectos de nuevos medicamentos antes de que se administren a humanos. El uso de algoritmos de autoaprendizaje para analizar datos de imágenes en el futuro ahorrará mucho tiempo en el futuro», dice Minzy. .

###

La investigación se llevó a cabo en TranslaTUM, el Centro de Investigación Traslacional del Cáncer, en la Universidad Técnica de Munich. El instituto es parte del Hospital Universitario Tom Rechts der Isar y se especializa en transferir conocimientos sobre la investigación del cáncer en servicios prácticos para pacientes a través de la colaboración interdisciplinaria. Al utilizar el nuevo microscopio 3D, los científicos de TUM trabajaron en estrecha colaboración con los expertos de Helmholtz Zentrum München.

El proyecto de investigación fue financiado por el Ministerio Federal de Educación e Investigación de Alemania (BMBF) dentro del alcance de la Iniciativa de Clúster de Software, y Deutsche Forschungsgemeinschaft (DFG) a través del Grupo de Excelencia de Munich para Sistemas Nerviosos (SyNergy), además de una beca de investigación y del Instituto TUM de Estudios Avanzados financiado por la Iniciativa de Excelencia. Alemania y la Unión Europea. La investigación también fue financiada por la Fundación Fritz Thyssen. NVIDIA ha admitido trabajos de software de premios GPU.

el cargo:

Oliver Shobeh, Chenchen Ban, Javier Coronel, Hongsheng Mai, Zoe Rong, Mikhail Evlinov Todorov, Anemari Moskis, Fernando Navarro, Hongoy Lee, Ali Ertürk, Bjorn H. Minzi

Segmentación de múltiples órganos al tiempo que permite el aprendizaje profundo en escaneos de mouse de todo el cuerpo

Comunicaciones de la naturaleza, 6.11.2020 – DOI: 10.1038 / s41467-020-19449-7