L’intelligenza artificiale rende i microscopi brillanti migliori che mai

L’apprendimento automatico aiuta alcuni dei migliori microscopi a vedere meglio, agire più velocemente ed elaborare più dati

Per osservare i segnali nervosi rapidi nel cervello del pesce, gli scienziati hanno iniziato a utilizzare una tecnica chiamata microscopia a campo luminoso, che rende possibile visualizzare processi biologici così rapidi in un’immagine 3D. Ma le immagini spesso mancano di qualità e la conversione di enormi quantità di dati in cartelle e filmati 3D richiede ore o giorni.

Ora, gli scienziati EMBL hanno combinato algoritmi di intelligenza artificiale (AI) con due tecnologie di microscopia all’avanguardia: un progresso che accorcia il tempo di elaborazione delle immagini da pochi giorni a pochi secondi, garantendo al contempo che le immagini risultanti siano chiare e accurate. I risultati sono pubblicati su Nature Methods.

“Alla fine, siamo stati in grado di sfruttare il” meglio di entrambi i mondi “in questo approccio, afferma Niels Wagner, uno degli autori principali dell’articolo e ora studente di dottorato presso l’Università tecnica di Monaco. ci ha permesso di combinare diverse tecniche di microscopia, in modo da poter acquisire immagini alla velocità consentita dal microscopio a campo luminoso e avvicinarci alla risoluzione dell’immagine del microscopio ottico su carta “.

Sebbene la microscopia ottica e del campo sonoro a lastra siano simili, queste tecniche presentano vantaggi e sfide differenti. Un microscopio a campo luminoso cattura immagini 3D di grandi dimensioni che consentono ai ricercatori di tracciare e misurare movimenti straordinariamente fini, come il cuore pulsante di una larva di pesce a velocità molto elevate. Ma questa tecnologia produce enormi quantità di dati, che possono richiedere giorni per essere elaborati, e le immagini finali di solito mancano di risoluzione.

La microscopia a lastra ottica stabilizza simultaneamente un singolo piano bidimensionale di un dato campione, in modo che i ricercatori possano acquisire immagini di campioni con una risoluzione più elevata. Rispetto alla microscopia a campo ottico, la microscopia ottica su carta produce immagini più veloci da elaborare, ma i dati non sono completi, poiché acquisisce informazioni solo da un piano bidimensionale alla volta.

Per sfruttare i vantaggi di ciascuna tecnologia, i ricercatori EMBL hanno sviluppato un approccio che utilizza la microscopia a campo luminoso per visualizzare campioni 3D di grandi dimensioni e la microscopia ottica per addestrare algoritmi di intelligenza artificiale, che quindi creano un’immagine 3D accurata del campione.

“Se crei algoritmi che producono un’immagine, devi verificare che questi algoritmi costruiscano l’immagine corretta”, spiega Anna Krishuk, leader del gruppo EMBL il cui team ha portato al progetto competenze di machine learning. Nel nuovo studio, dice Anna, i ricercatori hanno utilizzato un microscopio ottico per confermare che gli algoritmi di intelligenza artificiale funzionavano. “Questo rende la nostra ricerca distinta da ciò che è stato fatto in passato”.

Robert Brevidel, il leader dell’EMBL il cui gruppo ha contribuito alla nuova piattaforma di microscopia ibrida, sottolinea che il vero ostacolo nella costruzione di microscopi migliori spesso non è la tecnologia ottica, ma i calcoli. Ecco perché, nel 2018, lui e Anna hanno deciso di unire le forze. “Il nostro metodo sarà davvero basilare per le persone che vogliono studiare il modo in cui il cervello calcola. Il nostro metodo può visualizzare un intero cervello di una larva di pesce, in tempo reale”, dice Robert.

Lui e Anna affermano che questo approccio può essere modificato per funzionare anche con diversi tipi di microscopi, consentendo in definitiva ai biologi di guardare dozzine di campioni diversi e vedere più rapidamente. Ad esempio, può aiutare a trovare i geni coinvolti nello sviluppo del cuore o può misurare l’attività di migliaia di neuroni contemporaneamente.

Successivamente, i ricercatori hanno in programma di esplorare se il metodo potrebbe essere applicato a specie più grandi, compresi i mammiferi.

Il coautore dello studio Finn Bettenmüller, uno studente di dottorato nel gruppo Krishuk all’EMBL di Heidelberg, non ha dubbi sul potere dell’IA. “I metodi computazionali continueranno a portare sviluppi entusiasmanti nel campo della microscopia”.