La inteligencia artificial hace que los microscopios sean mejores que nunca
El aprendizaje automático ayuda a algunos de los mejores microscopios a ver mejor, trabajar más rápido y procesar más datos
Para observar las señales neuronales rápidas en el cerebro de un pez, los científicos han comenzado a utilizar una técnica llamada microscopía de campo de luz, que permite obtener imágenes en 3D de estos rápidos procesos biológicos. Pero las imágenes a menudo carecen de calidad y se necesitan horas o días para convertir grandes cantidades de datos en volúmenes y películas en 3D.
Ahora, los científicos de EMBL han combinado algoritmos de inteligencia artificial (IA) con dos técnicas de microscopía de vanguardia, un avance que acorta el tiempo de procesamiento de imágenes de días a segundos, al tiempo que garantiza que los resultados de las imágenes sean nítidos y precisos. Los resultados se publican en Nature Methods.
«En última instancia, pudimos obtener lo mejor de ambos mundos» en este enfoque «, dice Nils Wagner, uno de los dos autores principales del artículo y ahora estudiante de doctorado en la Universidad Técnica de Munich. «La IA nos ha permitido combinar diferentes técnicas de microscopía, de modo que podamos tomar imágenes tan rápido como lo permita la microscopía de campo brillante y acercarnos a la resolución de imagen de la microscopía de hoja de luz».
Aunque la microscopía de lámina de luz y la microscopía de campo de luz parecen ser similares, estas técnicas presentan diferentes ventajas y desafíos. La microscopía de campo brillante captura grandes imágenes en 3D que permiten a los investigadores rastrear y medir movimientos notablemente finos, como el corazón palpitante de una larva de pez, a velocidades muy altas. Pero esta técnica produce grandes cantidades de datos, que pueden tardar días en procesarse, y las imágenes finales generalmente carecen de resolución.
La microscopía de hoja de luz se lleva a cabo en un solo plano 2D de una muestra determinada a la vez, por lo que los investigadores pueden obtener imágenes de las muestras con una resolución más alta. En comparación con la microscopía de campo de luz, la microscopía de hoja de luz produce imágenes que son más rápidas de procesar, pero los datos no son tan completos ya que solo capturan información de un plano 2D a la vez.
Para aprovechar los beneficios de cada técnica, los investigadores de EMBL desarrollaron un enfoque que utiliza microscopía de campo de luz para obtener imágenes de muestras 3D grandes y microscopía de hoja de luz para entrenar los algoritmos de IA, que luego crean una imagen 3D precisa de la muestra.
«Si crea algoritmos que producen una imagen, debe verificar que esos algoritmos construyen la imagen correcta», dice Anna Kreshuk, líder del grupo EMBL cuyo equipo aportó su experiencia en aprendizaje automático al proyecto. En el nuevo estudio, los investigadores utilizaron microscopía de hoja de luz para asegurarse de que los algoritmos de IA estuvieran funcionando, dice Anna. «Permite que nuestra investigación se destaque de lo que se ha hecho en el pasado».
Robert Prevedel, el jefe del grupo EMBL cuyo grupo contribuyó a la nueva plataforma de microscopía híbrida, señala que el verdadero cuello de botella en la construcción de mejores microscopios a menudo no es la tecnología óptica, sino la computación. Por eso, en 2018, él y Anna decidieron unir fuerzas. “Nuestro método será realmente esencial para las personas que quieran estudiar cómo calcula el cerebro. Nuestro método puede obtener imágenes de un cerebro completo de una larva de pez, en tiempo real ”, dice Robert.
Él y Anna dicen que este enfoque podría modificarse para funcionar con diferentes tipos de microscopios, lo que podría permitir a los biólogos examinar docenas de muestras diferentes y ver mucho más, mucho más rápido. Por ejemplo, podría ayudar a encontrar genes involucrados en el desarrollo del corazón o podría medir la actividad de miles de neuronas al mismo tiempo.
A continuación, los investigadores planean explorar si el método se puede aplicar a especies más grandes, incluidos los mamíferos.
El coautor principal del estudio, Fynn Beuttenmüller, estudiante de doctorado en el grupo Kreshuk en EMBL Heidelberg, no tiene dudas sobre el poder de la IA. «Los métodos computacionales seguirán aportando avances interesantes a la microscopía».
