ИИ теперь может обнаруживать мертвые клетки в 100 раз быстрее, чем люди - это может помочь в лечении болезни Альцгеймера

четверг, 3 февраля 2022 г.

ИИ теперь может обнаруживать мертвые клетки в 100 раз быстрее, чем люди - это может помочь в лечении болезни Альцгеймера

Конволюционные нейронные сети могут быть обучены распознавать сложные паттерны.

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

До сих пор ученым приходилось вручную отмечать под микроскопом, какие клетки выглядят живыми, а какие - мертвыми. Мертвые клетки имеют характерный свернутый вид, который относительно легко распознать, если знать, что искать. Я и моя исследовательская группа наняли настоящую армию студентов-стажеров с почасовой оплатой, которые сканируют тысячи изображений и ведут подсчет, когда каждый нейрон в образце выглядит мертвым. К сожалению, делать это вручную - медленный, дорогостоящий и иногда чреватый ошибками процесс.

Что еще более усложняет ситуацию, ученые недавно начали использовать автоматические микроскопы для непрерывной съемки изображений клеток, поскольку они изменяются с течением времени. Хотя автоматические микроскопы облегчают процесс фотографирования, они также создают огромное количество изображений, которые приходится сортировать вручную. Нам стало ясно, что ручная сортировка не является ни точной, ни эффективной. Кроме того, большинство методов визуализации могут обнаружить только поздние стадии клеточной смерти, иногда через несколько дней после того, как клетка уже начала разлагаться. Это затрудняет проведение различия между тем, что действительно способствовало гибели клетки, и факторами, просто участвующими в ее распаде.

Мы с коллегами уже некоторое время пытаемся автоматизировать процесс курации. Наши первые попытки не могли справиться с широким диапазоном типов клеток и микроскопов, которые мы используем в наших исследованиях, и не могли соперничать с точностью наших стажеров. Но новая технология искусственного интеллекта, разработанная моей исследовательской группой, может идентифицировать мертвые клетки с нечеловеческой точностью и скоростью. Это достижение потенциально может ускорить все виды биомедицинских исследований, особенно в области нейродегенеративных заболеваний.

ИИ приходит на помощь

Искусственный интеллект недавно захватил область микроскопии. Форма искусственного интеллекта под названием сверточные нейронные сети, или CNN, особенно интересна тем, что она может анализировать изображения так же точно, как и человек.

Конволюционные нейронные сети можно обучить распознавать и находить сложные закономерности в изображениях. Как и в случае с человеческим зрением, если предоставить CNN множество примеров изображений и указать, на какие особенности следует обратить внимание, можно научить компьютер распознавать интересующие его закономерности.

Эти закономерности могут включать биологические явления, которые трудно увидеть на глаз. Например, одна исследовательская группа смогла обучить CNN определять рак кожи более точно, чем обученные дерматологи. Совсем недавно мои коллеги смогли обучить CNN определять сложные биологические признаки, такие как тип клеток на микроскопических изображениях.

Основываясь на этой работе, мы разработали новую технологию под названием оптимизированные для биомаркеров CNNs, или BO-CNNs, для идентификации погибших клеток. Сначала нам нужно было научить BO-CNN различать явно мертвые и явно живые клетки. Поэтому мы подготовили чашку Петри с мышиными нейронами, которые были сконструированы таким образом, чтобы вырабатывать нетоксичный белок, называемый генетически закодированным индикатором смерти, или GEDI, который окрашивал живые клетки в зеленый цвет, а мертвые - в желтый. BO-CNN легко усваивала, что зеленый цвет означает "живой", а желтый - "мертвый". Но он также изучал и другие признаки, отличающие живые и мертвые клетки, которые не так очевидны для человеческого глаза.

После того как BO-CNN научилась определять характеристики, отличающие зеленые клетки от желтых, мы показали ей нейроны, которые не отличались по цвету. BO-CNN смогла правильно обозначить живые и мертвые клетки значительно быстрее и точнее, чем люди, обученные делать то же самое. Модель могла даже просматривать изображения типов клеток, которые она раньше не видела, полученные с помощью различных типов микроскопов, и все равно правильно определяла мертвые клетки.

Однако оставался один очевидный вопрос - почему наша модель так эффективно находила мертвые клетки?

Исследователи часто рассматривают решения, принимаемые CNN, как "черный ящик", при этом стратегия, которую компьютер использует для решения визуальной задачи, считается менее важной, чем то, насколько хорошо он работает. Однако, поскольку в структуре клеток, на которые ориентируется модель при принятии решений, должны существовать определенные закономерности, выявление этих закономерностей может помочь ученым лучше определить, как выглядит клеточная смерть, и понять, почему она происходит.

Чтобы выяснить, что это за закономерности, мы использовали дополнительные вычислительные инструменты для создания визуальных представлений решений BO-CNN. Мы обнаружили, что наша модель BO-CNN частично определяет клеточную смерть, ориентируясь на изменение флуоресценции в ядре клетки. Это свойство, о котором ранее не знали кураторы-люди, и оно может быть причиной того, что проекты предыдущих моделей ИИ были менее точными, чем BO-CNN.

Использование возможностей искусственного интеллекта

Я считаю, что наш подход представляет собой значительный прогресс в использовании искусственного интеллекта для изучения сложной биологии, и это доказательство концепции может найти широкое применение не только для обнаружения гибели клеток при микроскопической визуализации. Наше программное обеспечение имеет открытый исходный код и доступно для общественности.

Микроскопия живых клеток чрезвычайно богата информацией, которую исследователям трудно интерпретировать. Но с помощью таких технологий, как BO-CNN, исследователи теперь могут использовать сигналы от самих клеток для обучения ИИ распознавать и интерпретировать сигналы в других клетках. Устраняя человеческие догадки, BO-CNN повышают воспроизводимость и скорость исследований и могут помочь исследователям обнаружить новые явления в изображениях, которые иначе они не смогли бы легко распознать.

Используя возможности искусственного интеллекта, моя исследовательская группа в настоящее время работает над расширением нашей технологии BO-CNN для предсказания будущего - выявления поврежденных клеток еще до того, как они начнут умирать. Мы считаем, что это может сыграть решающую роль в исследованиях нейродегенеративных заболеваний, помогая найти новые способы предотвращения гибели нейронов и в конечном итоге привести к более эффективным методам лечения.