Szegedi kutatók új eredményeket értek el a biológiai képelemzés területén

A Lendület Mikroszkópos Képfeldolgozó és Gépi Tanulási Csoport munkatársai Horváth Péter vezetésével kifejlesztették a korábbi Advanced Cell Classifier (ACC) szoftverük legújabb verzióját - olvasható az Eötvös Loránd Kutatási Hálózat (ELKH) csütörtöki közleményében. A kutatók eredményeikről szerdán számoltak be a Nature Communications című folyóiratban.

Mint a közleményben írják, a legtöbb képelemző szoftver a biológiai folyamatokat csak szakaszokra bontva képes vizsgálni, figyelmen kívül hagyva az egyes szakaszokon belüli átmeneteket és különbségeket. Horváth Péter és kutatócsoportja ennek a problémának a megoldására fejlesztette ki az úgynevezett Regression Plane (RP) koncepciót, amely a mikroszkópos képelemzés és a mesterséges intelligencia kombinálásával lehetővé teszi a biológiai jelenségek folytonos, nagy felbontású elemzését.

A módszerrel korábban soha nem látott precizitással lehet feltérképezni többek között a sejtek osztódását, amely az egyik legalapvetőbb biológiai jelenség, egyúttal egyike a legfontosabb folyamatoknak a daganatképződésnél vagy a sejtek lipidraktározását, amely a vér trigliceridszintjének meghatározásában és így a cukorbetegség kialakulásában játszik fontos szerepet.

A módszerrel nemcsak azt lehet megállapítani, hogy egy-egy sejt raktározott-e magában zsírt vagy sem, hanem a felhalmozás típusainak végtelen felbontású skáláját is a kutatók elé tárja.

A technológia a Horváth Péter csoportja által korábban kifejlesztett módszerrel társítva lehetőséget biztosít egyetlen vizsgálni kívánt célsejt kiválasztására, elkülönítésére, és a benne zajló molekuláris változások értékelésére. A szoftver - számos további alkalmazási lehetőség mellett - a sejtdifferenciáció folyamatának tanulmányozását is lehetővé teszi.

A kutatók által most kifejlesztett módszer a mesterséges intelligenciának köszönhetően egy olyan technológia, amely az ember precizitásával megegyező, objektív teljesítményt nyújt, ugyanakkor összehasonlíthatatlanul gyorsabbá teszi a vizsgálatokat. Érzékeny osztályozási rendszerét aktív tanulási algoritmusok alkalmazásával tették még hatékonyabbá, így a program, úgymond, kommunikálni képes a kutatókkal. "Ha például olyan morfológiával találkozik, amely még ismeretlen a számára, akkor a felhasználó segítségét kéri a döntésben, pont úgy, ahogy egy gyermek kérdez, amikor bizonytalan egy kirakós játékban" - olvasható az ELKH közleményében.

A közlemény szerint a Regression Plane-t a fejlesztők szabadon felhasználhatóvá tették. Fejlesztésekor fokozott figyelmet fordítottak a felhasználóbarát környezet és az egyszerű használat kialakítására. Alkalmazását oktatóvideók segítségével könnyítik meg a felhasználóknak.