Îmbunătățirea imaginii 3D, automatizării și descoperirii fenotipice prin screening avansat cu AI
În cadrul unui interviu, AZoLife Sciences discută cu Boyd Butler, expert în microscopie și screening de înalt conținut la Molecular Devices, despre rolul în creștere al inteligenței artificiale în screeningul de înalt conținut (HCS).
Butler își bazează afirmațiile pe experiența sa ca om de știință și director al unei facilități fundamentale, subliniind importanța datelor de imagistică pregătite pentru AI, provocările imagisticii modelelor 3D complexe și modul în care progresele în optică, automatizare și învățare automată transformă descoperirea de medicamente.
El explică modul în care analiza imaginilor asistată de AI ajută cercetătorii să genereze rezultate mai fiabile, să identifice schimbări fenotipice subtile și să scaleze fluxurile de lucru imagistice, punând accent pe utilizarea în creștere a modelelor 3D relevante pentru oameni și pe importanța datelor de imagistică de înaltă calitate pentru aplicațiile eficiente de AI.
Butler își descrie parcursul profesional, menționând că are un fundal în biofizică și fizica optică, având o experiență îndelungată în mediul academic. În prezent, colaborează îndeaproape cu tehnologii de screening de înalt conținut și fluxuri de lucru imagistice la Molecular Devices.
Întrebat despre necesitatea datelor de imagistică pregătite pentru AI în screeningul de înalt conținut, Butler răspunde că „sistemele AI în imagistica de înalt conținut sunt atât de bune cât datele pe care le antrenează. Calitatea inputului determină direct calitatea output-ului”.
El subliniază că o aplicație importantă a AI în screeningul de înalt conținut este segmentarea, care necesită imagini de înaltă calitate pentru a identifica corespunzător celulele și structurile acestora.
Butler discută, de asemenea, dificultățile imagisticii și analizei modelelor 3D, menționând că modelele 3D, cum ar fi organoizii, sunt mult mai dificile de imaginat și de analizat la scară decât culturile 2D tradiționale.
„Imaginile de tip brightfield întâmpină dificultăți în a pătrunde în mostrele groase, iar tehnicile avansate de imagistică se confruntă cu provocări legate de heterogenitate și de dispersia luminii în cadrul mostrelor”, explică el.
Butler subliniază că opticile superioare îmbunătățesc rezultatele imagisticii de înalt conținut, oferind o rezoluție mai bună și distincție între structuri biologice care altfel ar apărea combinate.
Automatizarea, conform spuselor lui Butler, crește viteza și consistența procesului, permițând manipularea automată a plăcilor, ceea ce reduce riscul de eroare umană și îmbunătățește reproducibilitatea experimentelor.
În ceea ce privește analiza imaginilor, Butler afirmă că segmentarea este domeniul în care AI are cel mai mare impact, având un rol fundamental în fiecare etapă ulterioară de analiză. „Îmbunătățirea calității și vitezei segmentării creează beneficii în întregul flux de lucru”, adaugă el.
El explică și cum fluxurile de lucru îndrumate ajută utilizatorii noi să obțină rezultate fiabile mai repede, simplificând configurarea instrumentelor și dezvoltarea protocoalelor.
Machine learning-ul este capabil să dezvăluie schimbări fenotipice subtile, analizând simultan numeroase caracteristici morfologice, ceea ce permite cercetătorilor să detecteze modificări care altfel ar putea trece neobservate.
În concluzie, Butler subliniază că laboratoarele centrale pot scala capacitatea de imagistică fără a adăuga personal, datorită platformelor de imagistică activate de AI și fluxurilor de lucru automate, care reduc curba de învățare pentru utilizatorii noi.
Molecular Devices este un furnizor de sisteme bioanalitice de înaltă performanță, software și consumabile pentru cercetarea științelor vieții și dezvoltarea farmaceutică.
