Искусственный интеллект научили идентифицировать мёртвые клетки

До сих пор учёным приходилось вручную отмечать, какие клетки выглядят живыми, а какие мёртвыми под микроскопом
Искусственный интеллект научили идентифицировать мёртвые клетки
Эукариоты @pixabay.com

Понимание того, когда и почему клетка умирает, имеет основополагающее значение для изучения развития человека, болезней и старения. Для нейродегенеративных заболеваний, таких как болезнь Лу Герига, болезнь Альцгеймера и Паркинсона, выявление мёртвых и умирающих нейронов имеет решающее значение для разработки и тестирования новых методов лечения. Но выявление мёртвых клеток может быть сложным и было постоянной проблемой на протяжении всей карьеры нейробиолога.

Мертвые клетки имеют характерный шарнирный внешний вид, который относительно легко распознать, как только вы знаете, что искать. Промежуток времени умирающего нейрона более 10 минут под микроскопом.

Реклама

Ещё больше усложняя ситуацию, учёные недавно начали использовать автоматизированные микроскопы для постоянного захвата изображений клеток по мере их изменения с течением времени. В то время как автоматизированные микроскопы облегчают фотографирование, они также создают огромное количество изображений для ручной сортировки. Ручное курирование не было ни точным, ни эффективным. Кроме того, большинство методов визуализации могут обнаруживать только поздние стадии гибели клеток, иногда через несколько дней после того, как клетка уже начала разлагаться. Это затрудняет различие между тем, что на самом деле способствовало смерти клетки, от факторов, только что связанных с её распадом.

Новая технология искусственного интеллекта, разработанная исследовательской группой, может идентифицировать мёртвые клетки как с точностью, так и со скоростью сверхчеловечека. Этот прогресс потенциально ускорит все виды биомедицинских исследований, особенно по нейродегенеративным заболеваниям.

Форма искусственного интеллекта, называемая свёрточными нейронными сетями, особенно интересна, потому что она может анализировать изображения так точно, как люди. Свёрточные нейронные сети способны фильтровать конкретные шаблоны в изображениях с помощью нескольких уровней обработки. Они могут быть обучены распознаванию и обнаружению сложных закономерностей на изображениях. Как и в случае с человеческим видением, предоставление нейросети многих примеров изображений и указание на какие функции следует обратить внимание, может научить компьютер распознавать интересные закономерности.

Новости партнёров