Nieuwe AI-tool kan microscopie radicaal veranderen

Een AI-tool die is ontwikkeld aan de Universiteit van Göteborg, biedt nieuwe mogelijkheden voor het analyseren van met microscopen gemaakte opnamen. Een studie toont aan dat de tool, die al internationale erkenning heeft gekregen, de microscopie fundamenteel kan veranderen en de weg kan effenen voor nieuwe ontdekkingen en toepassingsgebieden binnen zowel onderzoek als industrie.

De focus van het onderzoek ligt op deep learning, een soort kunstmatige intelligentie (AI) en machine learning waar we allemaal dagelijks mee te maken hebben, vaak zonder erover na te denken. Bijvoorbeeld wanneer een nieuw nummer op Spotify opduikt dat lijkt op nummers waar we eerder naar hebben geluisterd of wanneer onze mobiele telefooncamera automatisch de beste instellingen vindt en kleuren in een foto corrigeert.

“Deep learning heeft de wereld stormenderhand veroverd en heeft een enorme impact gehad op veel industrieën, sectoren en wetenschappelijke velden. We hebben nu een tool ontwikkeld die het mogelijk maakt om het ongelooflijke potentieel van deep learning te benutten, met de nadruk op beelden gemaakt met microscopen. ‘, zegt Benjamin Midtvedt, een doctoraatsstudent natuurkunde en de hoofdauteur van de studie.

Diep leren kan worden omschreven als een wiskundig model dat wordt gebruikt om problemen op te lossen die met traditionele algoritmische methoden moeilijk aan te pakken zijn. Bij microscopie is de grote uitdaging om zoveel mogelijk informatie uit de met gegevens verpakte beelden te halen, en dit is waar deep learning zeer effectief is gebleken.

De tool die Midtvedt en zijn onderzoekscollega’s hebben ontwikkeld, omvat neurale netwerken die leren om precies de informatie op te halen die een onderzoeker uit een afbeelding wil halen door door een groot aantal afbeeldingen te kijken, ook wel trainingsgegevens genoemd. De tool vereenvoudigt het proces van het produceren van trainingsgegevens in vergelijking met handmatig, zodat tienduizenden afbeeldingen in een uur kunnen worden gegenereerd in plaats van honderd in een maand.

“Hierdoor is het mogelijk om snel meer details uit microscoopbeelden te halen zonder dat je met traditionele methoden een ingewikkelde analyse hoeft te maken. Daarnaast zijn de resultaten reproduceerbaar en kan op maat gemaakte, specifieke informatie worden opgehaald voor een specifiek doel.”

Met de tool kan de gebruiker bijvoorbeeld de grootte en materiaaleigenschappen voor zeer kleine deeltjes bepalen en gemakkelijk cellen tellen en classificeren. De onderzoekers hebben al aangetoond dat de tool kan worden gebruikt door industrieën die hun uitstoot moeten zuiveren, omdat ze in realtime kunnen zien of alle ongewenste deeltjes zijn uitgefilterd.

De onderzoekers hopen dat de tool in de toekomst kan worden gebruikt om infecties in een cel te volgen en cellulaire afweermechanismen in kaart te brengen, wat enorme mogelijkheden zou bieden voor nieuwe medicijnen en behandelingen.

“We hebben al grote internationale belangstelling voor de tool gezien. Ongeacht de microscopische uitdagingen kunnen onderzoekers nu gemakkelijker analyses uitvoeren, nieuwe ontdekkingen doen, ideeën implementeren en nieuwe wegen inslaan binnen hun vakgebied.”