Microscopi migliorati con l'intelligenza artificiale

Gli scienziati dell'EMBL hanno combinato algoritmi di intelligenza artificiale (AI) con due tecniche di microscopia all'avanguardia.

Visualizzare processi dinamici su ampi campi visivi tridimensionali ad alta velocità è essenziale per molte applicazioni nelle scienze della vita. La microscopia a campo luminoso (LFM) è emersa come uno strumento per l'acquisizione volumetrica rapida di immagini, ma il suo rendimento effettivo e l'uso diffuso in biologia sono stati ostacolati da un processo di ricostruzione dell'immagine esigente dal punto di vista computazionale e soggetto ad artefatti.

Per osservare i rapidi segnali neuronali in un cervello di pesce, gli scienziati hanno iniziato a utilizzare una tecnica chiamata microscopia a campo luminoso, che rende possibile l'immagine di processi biologici così veloci in 3D. Ma le immagini spesso mancano di qualità e occorrono ore o giorni per convertire enormi quantità di dati in volumi e filmati 3D.

Ora, gli scienziati dell'EMBL hanno combinato algoritmi di intelligenza artificiale (AI) con due tecniche di microscopia all'avanguardia: un progresso che accorcia i tempi di elaborazione delle immagini da pochi giorni a pochi secondi, garantendo nel contempo che le immagini risultanti siano nitide e accurate. I risultati sono pubblicati su Nature Methods. (1)

«Alla fine, siamo stati in grado di prendere 'il meglio di entrambi i mondi' in questo approccio», afferma Nils Wagner, (2) uno dei due autori principali del documento e ora studente di dottorato presso l'Università tecnica di Monaco. «L'intelligenza artificiale ci ha permesso di combinare diverse tecniche di microscopia, in modo da poter eseguire le immagini alla velocità consentita dalla microscopia a campo luminoso e avvicinarci alla risoluzione dell'immagine della microscopia a foglio luminoso».

Sebbene la microscopia a foglio luminoso e la microscopia a campo luminoso vengono a volte percepite simili, queste tecniche presentano vantaggi e sfide diversi. La microscopia a campo luminoso cattura immagini 3D di grandi dimensioni che consentono ai ricercatori di tracciare e misurare movimenti straordinariamente fini, come il cuore pulsante di una larva di pesce, a velocità molto elevate. Ma questa tecnica produce enormi quantità di dati, che possono richiedere giorni per essere elaborati, e le immagini finali di solito mancano di risoluzione.

La microscopia a foglio luminoso si posiziona contemporaneamente su un singolo piano 2D di un dato campione, in modo che i ricercatori possano visualizzare campioni con una risoluzione più elevata. Rispetto alla microscopia a campo luminoso, la microscopia a foglio luminoso produce immagini più veloci da elaborare, ma i dati non sono così completi, poiché acquisiscono solo informazioni da un singolo piano 2D alla volta.

Per sfruttare i vantaggi di ciascuna tecnica, i ricercatori dell'EMBL hanno sviluppato un approccio che utilizza la microscopia a campo luminoso per visualizzare grandi campioni 3D e la microscopia a foglio luminoso per addestrare gli algoritmi AI, che quindi creano un'immagine 3D accurata del campione.

«Se crei algoritmi che producono un'immagine, devi verificare che questi algoritmi stiano costruendo l'immagine giusta», spiega la dottoressa Anna Kreshuk, (3) leader del gruppo EMBL il cui team ha portato al progetto competenze di machine learning. Nel nuovo studio, i ricercatori hanno utilizzato la microscopia a foglio luminoso per assicurarsi che gli algoritmi di intelligenza artificiale funzionassero, dice Anna. «Questo fa risaltare la nostra ricerca da quanto è stato fatto in passato».

Il dottor Robert Prevedel, (4) il leader del gruppo EMBL il cui team ha contribuito alla nuova piattaforma di microscopia ibrida, osserva che il vero collo di bottiglia nella costruzione di microscopi migliori spesso non è la tecnologia ottica, ma il calcolo. Ecco perché, nel 2018, lui e Anna hanno deciso di unire le forze. «Il nostro metodo sarà davvero fondamentale per le persone che vogliono studiare come calcola il cervello. Il nostro metodo può immaginare un intero cervello di una larva di pesce, in tempo reale», dice Robert.

Lui e Anna Kreshuk affermano che questo approccio potrebbe essere potenzialmente modificato per funzionare anche con diversi tipi di microscopi, consentendo alla fine ai biologi di guardare dozzine di campioni diversi e vedere molto di più, molto più velocemente. Ad esempio, potrebbe aiutare a trovare geni coinvolti nello sviluppo del cuore o potrebbe misurare l'attività di migliaia di neuroni contemporaneamente.

Successivamente, i ricercatori intendono esplorare se il metodo può essere applicato a specie più grandi, compresi i mammiferi.

Riferimenti:

(1) Deep learning-enhanced light-field imaging with continuous validation

(2) Nils Wagner

(3) Anna Kreshuk

(4) Robert Prevedel

Descrizione foto: Una rappresentazione di una rete neurale fa da sfondo al cuore pulsante di una larva di pesce. - Credit: Tobias Wuestefeld.

Autore traduzione riassuntiva e adattamento linguistico: Edoardo Capuano / Articolo originale: Artificial intelligence makes great microscopes better than ever