MI: Szegedi kutatók csodás eredményt értek el

A biológiai jelenségek folytonos, nagy felbontású elemzést teszi lehetővé a Szegedi Biológiai Kutatóközpont munkatársainak legújabb fejlesztése.

Az új módszer segítséget nyújthat a szív- és érrendszeri megbetegedések vagy akár a daganatok molekuláris mechanizmusának a pontosabb megértésében. A Lendület Mikroszkópos Képfeldolgozó és Gépi Tanulási Csoport munkatársai Horváth Péter vezetésével kifejlesztették a korábbi Advanced Cell Classifier (ACC) szoftverük legújabb verzióját. 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. A kutatócsoport ennek a problémának a megoldására fejlesztette ki az úgynevezett Regression Plane (RP) koncepciót, amely a mikroszkópos képelemzés és a mesterséges intelligencia (MI) 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 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.

Az új 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”.