نرم افزار مبتنی بر هوش مصنوعی یک تغییر پارادایم در مطالعه فرآیندهای آسیب شناسی ایجاد می کند

محققان دانشگاه Cima در ناوارا (اسپانیا) نتایج یک مسابقه بین المللی را ارائه کرده اند که ده سال پیش برای بهبود مطالعه مهاجرت سلولی آغاز شد. چالش ردیابی سلول تأیید می کند که نرم افزار مبتنی بر هوش مصنوعی یک تغییر پارادایم در تحقیقات زیست شناسی سلولی طبیعی و فرآیندهای پاتولوژیک، مانند سرطان یا بازسازی بافت ایجاد می کند.

سلول ها برای انجام وظایف خود حرکت می کنند، به عنوان مثال، در طول رشد جنینی، جایی که سلول ها بسیار متحرک هستند. بنابراین، درک چگونگی حرکت آنها از مراحل اولیه به رشد کامل جنین و دانستن اینکه کدام سلولها بسته به مهاجرت آنها در داخل جنین باعث ایجاد کدام اندام می شوند ضروری است. اما سلول ها همچنین در فرآیندهای پاتولوژیک، در طول توسعه سرطان و متاستاز، یا در روند بهبود زخم حرکت می کنند.

“به طور سنتی، محققان این مطالعه را به صورت بصری انجام دادند، که بسیار پر زحمت و اغلب غیرممکن است. بنابراین، ده سال پیش، ما چالشی را برای ترویج توسعه برنامه های کامپیوتری با قابلیت ردیابی سلولی به طور خودکار راه اندازی کردیم. در این مدت، ما ایجاد کرده ایم. یک پایگاه داده بسیار متنوع از ویدئوها که بر روی آنها می توان این برنامه ها را آزمایش کرد. علاوه بر این، ما معیارهای عینی و معیارهای مشترکی را برای ارزیابی دقت برنامه های مختلف دریافتی ایجاد کرده ایم.دکتر Carlos Ortiz de Solórzano، مدیر برنامه مهندسی زیست پزشکی در دانشگاه Cima ناوارا و هماهنگ کننده مسابقه بین المللی توضیح می دهد. مجله علمی روش های طبیعت نتایج این چالش را در آخرین شماره خود منتشر می کند.

هوش مصنوعی

سازمان دهندگان چالش، از جمله گروه هایی از اسپانیا، آلمان، جمهوری چک، ایالات متحده و استرالیا، 80 برنامه ارائه شده توسط 50 گروه تحقیقاتی در سراسر جهان را ارزیابی کرده اند.

در میان داده‌هایی که شرکت‌کنندگان به‌طور خودکار تجزیه و تحلیل کرده‌اند، ویدیوهای بزرگ (بیش از 300 گیگابایت) وجود دارد، مانند ویدیویی که حاوی رشد جنینی سوسک آرد قرمز است.Tribolium castaneum) یا سایر مدل های جنینی مشابه که به طور گسترده در تحقیقات زیست پزشکی استفاده می شود. با توجه به اندازه و پیچیدگی آنها، این ویدئوها توانایی برنامه نویسان را برای دستکاری و تجزیه و تحلیل مقادیر زیادی از داده ها آزمایش می کنند.

کارلوس اورتیز د سولورزانو.

یکی از جالب‌ترین نتایجی که سازمان‌دهندگان چالش به آن دست یافته‌اند این است که تشخیص و ردیابی سلول با استفاده از روش‌های مبتنی بر هوش مصنوعی نتایج بهتری نسبت به تکنیک‌های مرسوم ارائه می‌دهد. با توجه به پیدایش این روش‌ها که نیاز به داده‌های زیادی برای آموزش دارند، ما یک «حقیقت زمین نقره‌ای» یعنی مجموعه گسترده‌ای از داده‌های حاشیه‌نویسی خودکار را بر اساس ترکیبی از بهترین‌ها در اختیار جامعه علمی قرار داده‌ایم. راه حل های ارائه شده توسط شرکت کنندگان، “ هماهنگ کننده پروژه را اضافه می کند.

پس از نتایج به‌دست‌آمده، چالش به جمع‌آوری برنامه‌های جدید برای مطالعه توانایی تشخیص صحیح تقسیمات سلولی و بازسازی مسیرهای کامل سلولی ادامه خواهد یافت.