Inteligencia artificial analiza imágenes médicas en 3D del interior del organismo en segundos

Las técnicas de imágenes permiten una mirada detallada dentro de un organismo. Pero la interpretación de los datos requiere mucho tiempo y mucha experiencia.

Las redes neuronales artificiales abren nuevas posibilidades: solo requieren unos segundos para interpretar los escaneos de todo el cuerpo de los ratones y para segmentar y representar los órganos en colores, en lugar de en varios tonos de gris.

Esto facilita considerablemente el análisis.

¿Qué tan grande es el hígado? ¿Cambia si se toman medicamentos? ¿Está inflamado el riñón? ¿Hay un tumor en el cerebro y ya se desarrollaron metástasis?

Para responder a estas preguntas, los biocientíficos y los médicos hasta la fecha tenían que analizar e interpretar una gran cantidad de datos.

“El análisis de los procesos de obtención de imágenes tridimensionales es muy complicado“, explica Oliver Schoppe.

Junto con un equipo de investigación interdisciplinario, el investigador de TUM ha desarrollado algoritmos de autoaprendizaje para ayudar en el futuro a analizar datos de imágenes biocientíficas.

En el núcleo del software AIMOS, la abreviatura significa Segmentación de órganos de ratón basada en IA, hay redes neuronales artificiales que, como el cerebro humano, son capaces de aprender.

“Solía ​​tener que decirle a los programas de computadora exactamente lo que quería que hicieran“, dice Schoppe.

“Las redes neuronales no necesitan tales instrucciones:

Es suficiente entrenarlas presentando un problema y una solución varias veces.

Poco a poco, los algoritmos comienzan a reconocer los patrones relevantes y son capaces de encontrar las soluciones adecuadas por sí mismos”.

En el proyecto AIMOS, los algoritmos se entrenaron con la ayuda de imágenes de ratones.

El objetivo era asignar los puntos de imagen del escaneo de cuerpo entero en 3D a órganos específicos, como estómago, riñones, hígado, bazo o cerebro.

Según esta asignación, el programa puede mostrar la posición y la forma exactas.

“Tuvimos la suerte de tener acceso a varios cientos de imágenes de ratones de un proyecto de investigación diferente, todo lo cual ya había sido interpretado por dos biólogos“, recuerda Schoppe.

El equipo también tuvo acceso a escaneos 3D microscópicos de fluorescencia del Instituto de Ingeniería de Tejidos y Medicina Regenerativa del Helmholtz Zentrum München.

Mediante una técnica especial, los investigadores pudieron eliminar completamente el tinte de ratones que ya habían fallecido.

Los cuerpos transparentes se pueden obtener con un microscopio paso a paso y capa por capa.

Las distancias entre los puntos de medición eran de solo seis micrómetros, lo que equivale al tamaño de una celda.

Los biólogos también habían localizado los órganos en estos conjuntos de datos.

En TranslaTUM, los técnicos de la información presentaron los datos a sus nuevos algoritmos.

Y estos aprendieron más rápido de lo esperado, informa Schoppe:

“Solo necesitábamos alrededor de diez escaneos de todo el cuerpo antes de que el software pudiera analizar con éxito los datos de la imagen por sí solo, y en cuestión de segundos.

Se necesitan horas humanas para hacer esto“.

Luego, el equipo verificó la confiabilidad de la inteligencia artificial con la ayuda de otros 200 escaneos de ratones de todo el cuerpo.

“El resultado muestra que los algoritmos de autoaprendizaje no solo son más rápidos en el análisis de datos de imágenes biológicas que los humanos, sino también más precisos“, resume el profesor Bjoern Menze, jefe del grupo de modelado biomédico basado en imágenes de TranslaTUM en la Universidad Técnica de Múnich. .

El software inteligente se utilizará en el futuro, en particular en la investigación básica:

“Las imágenes de ratones son vitales para, por ejemplo, investigar los efectos de nuevos medicamentos antes de que se administren a los humanos.

Usar algoritmos de autoaprendizaje para analizar datos de imágenes en el futuro ahorrará mucho tiempo en el futuro”, enfatiza Menze.

Fuente: TUM