Diagnósticos con Deepflash

Las imágenes microscópicas de las secciones de tejido se pueden analizar ahora con mucha más facilidad

11.06.2021 - Alemania

Las tecnologías de la información pueden facilitar la vida en muchos ámbitos, incluido el de la investigación. En medicina, por ejemplo, sigue siendo una práctica habitual evaluar a mano las imágenes de microscopía de secciones de tejido. Esto se utiliza, por ejemplo, para evaluar cuántas células cancerosas hay en un ganglio linfático.

University of Würzburg

Philipp Sodmann (izquierda) y Matthias Griebel desarrollaron un modelo de aprendizaje profundo que puede evaluar imágenes microscópicas.

"A menudo hay que sentarse en un cuarto oscuro durante horas para contar las células en una imagen capturada con un microscopio de fluorescencia. Eso cuesta una cantidad increíble de tiempo valioso", dice Philipp Sodmann, que trabaja en la investigación cardíaca del Hospital Universitario de Würzburg, en Baviera (Alemania).

Pero ahora se abre un nuevo horizonte para las ciencias de la vida: La nueva herramienta digital deepflash2 facilita mucho el análisis de las imágenes de microscopía. deepflash2 es de libre acceso y se basa en métodos de aprendizaje automático.

El jurado destaca el aspecto de la calidad

Matthias Griebel, de la Cátedra de Sistemas de Información y Análisis Empresarial de la Universidad de Würzburg, desarrolló la herramienta como parte de su doctorado. La herramienta fue la base de la solución que desarrolló junto con el científico médico Philipp Sodmann para un concurso internacional de ciencia de datos. En esta competición, el equipo de ambos de Würzburg tuvo éxito: en mayo de 2021, recibió el premio a la innovación dotado con 10.000 dólares estadounidenses y una medalla de oro de la plataforma online Kaggle.

El jurado de primera categoría, con expertos en medicina, biología e inteligencia artificial (IA), dio fe de otra cualidad de deepflash2: el programa también reconoce las ambigüedades.

"En biología, no todo es blanco o negro", explica Matthias Griebel. No es raro que los investigadores duden de si las células que ven en una sección de tejido siguen siendo funcionales. En estos casos, deepflash2 lo señala: Hay que volver a mirarlo. Esto es lo que hace que la herramienta sea especialmente innovadora, según los miembros del jurado.

Disponible gratuitamente para los investigadores

deepflash2 sigue siendo una herramienta de acceso libre para los investigadores que se dedican al análisis de bioimágenes. Sin embargo, Matthias Griebel quiere aprovechar los excelentes resultados obtenidos en el concurso de ciencia de datos para promocionar su herramienta.

Al tratarse de una herramienta de código abierto, otros investigadores pueden utilizarla gratuitamente en su navegador o instalarla en su ordenador. Mientras tanto, Griebel ya está trabajando en la mejora de deepflash2 utilizando los resultados del concurso.

Aplicable incluso sin conocimientos de IA

Griebel, que estudió sistemas de información empresarial, está haciendo su doctorado con el profesor Christoph Flath. Durante el desarrollo de deepflash2, concedió gran importancia al hecho de que los investigadores sin conocimientos de IA también puedan utilizar la herramienta sin problemas.

Los usuarios de la medicina y las ciencias de la vida no deben entender los complicados procesos que hay entre bastidores. Para ellos, según Griebel, lo más importante es que el análisis de las bioimágenes sea más rápido y al mismo tiempo más fiable. Para conseguirlo, hay que entrenar intensamente una red neuronal artificial utilizando amplios conjuntos de datos, dice el científico de Würzburg.

Las decisiones las toman los humanos

Al final, sin embargo, son los humanos los que sacan una conclusión de las imágenes. Esto debería tranquilizar a todos los que temen que la inteligencia artificial decida el bien y el mal de la medicina en el futuro. Philipp Sodmann subraya que no es así y que, sin duda, no lo será pronto.

Sodmann apela a reconocer las múltiples posibilidades de la IA. El concurso de ciencia de datos, por ejemplo, tuvo como telón de fondo el proyecto "Human BioMolecular Atlas Program", lanzado en 2016. Su objetivo es cartografiar y caracterizar cada una de los aproximadamente 37 billones de células humanas. Esto sería imposible sin la IA.

Premio a la mejor presentación

Un total de unos 1.200 equipos de más de 50 países presentaron soluciones para el concurso de ciencia de datos de Kaggle. Matthias Griebel y Philipp Sodmann quedaron en décimo lugar.

"Los primeros puestos se decidieron en una carrera reñida", dice Griebel. La presentación del proyecto ante un público internacional también fue emocionante para él y su colega. Los dos de Würzburg volvieron a ser los mejores: también ganaron el premio a la mejor presentación, además de la medalla de oro y el premio a la innovación.

Apto para diferentes cuadros clínicos

Matthias Griebel no quiere investigar en una torre de marfil. Para él es importante desarrollar herramientas que, en última instancia, ayuden a las personas. Y quizás incluso salven vidas.

Si las imágenes de microscopía pueden evaluarse de forma más rápida y fiable, el diagnóstico también puede realizarse con mayor rapidez. Y esto es válido para enfermedades muy diferentes. Como el programa deepflash2 es entrenable, puede aprender, por ejemplo, a reconocer diferentes unidades funcionales de tejido. Así, con la ayuda del aprendizaje automático, se puede enseñar al algoritmo a identificar las células productoras de insulina del páncreas en una imagen.

Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.

Más noticias del departamento ciencias

Noticias más leídas

Más noticias de nuestros otros portales

Lucha contra el cáncer: últimos avances y progresos