ИИ обнаруживает мертвые клетки в 100 раз быстрее, чем люди, — это может помочь вылечить болезнь Альцгеймера

Понимание того, когда и почему умирает клетка, имеет основополагающее значение для изучения человеческого развития, болезней и старения. Для нейродегенеративных заболеваний, таких как болезнь Лу Герига, болезнь Альцгеймера и болезнь Паркинсона, идентификация мертвых и умирающих нейронов имеет решающее значение для разработки и тестирования новых методов лечения. 

Но выявление мертвых клеток может быть сложной задачей. До сих пор ученым приходилось вручную отмечать, какие клетки выглядят живыми, а какие мертвыми, под микроскопом. Мертвые клетки имеют характерный свернутый вид, который относительно легко распознать, если знать, что искать. 

Исследователи наняли настоящую армию студентов-стажеров с почасовой оплатой, чтобы они просмотрели тысячи изображений и подсчитали, когда каждый нейрон в образце умер. К сожалению, делать это вручную — медленный, дорогой и иногда подверженный ошибкам процесс.

Еще больше усложняет ситуацию то, что ученые недавно начали использовать автоматические микроскопы для непрерывного захвата изображений клеток по мере их изменения с течением времени. В то время как автоматизированные микроскопы упрощают фотографирование, они также создают огромное количество изображений для ручной сортировки. 

Стало ясно, что ручное курирование не является ни точным, ни эффективным. Кроме того, большинство методов визуализации позволяют обнаружить только поздние стадии гибели клеток — иногда через несколько дней после того, как клетка уже начала разлагаться. Это затрудняет различие между тем, что действительно способствовало гибели клетки, и факторами, просто участвующими в ее распаде.

Ученые некоторое время пытались автоматизировать процесс курирования. Первоначальные попытки не могли справиться с широким спектром типов клеток и микроскопов, которые используются в исследованиях, и не могли соперничать с точностью стажеров. 

Но новая технология искусственного интеллекта, разработанная исследовательской группой, может идентифицировать мертвые клетки со сверхчеловеческой точностью и скоростью. Этот прогресс потенциально может ускорить все виды биомедицинских исследований, особенно в области нейродегенеративных заболеваний.

В последнее время искусственный интеллект штурмом взял область микроскопии. Форма ИИ, называемая сверточными нейронными сетями или CNN, представляет особый интерес, поскольку она может анализировать изображения так же точно, как и люди.

Сверточные нейронные сети можно научить распознавать и обнаруживать сложные закономерности в изображениях. Как и в случае с человеческим зрением, предоставление CNN множества примеров изображений и указание, на какие функции следует обратить внимание, может научить компьютер распознавать интересующие модели.

Эти закономерности могут включать биологические явления, которые трудно увидеть невооруженным глазом. Например, одна исследовательская группа смогла обучить CNN идентифицировать рак кожи более точно, чем обученные дерматологи. Совсем недавно ученые смогли обучить CNN идентифицировать сложные биологические сигнатуры, такие как тип клеток, на микроскопических изображениях.

Опираясь на эту работу, исследователи из Института Гладстона Калифорнийского университета в Сан-Франциско разработали новую технологию, называемую биомаркерно-оптимизированными CNN (BO-CNN) для выявления погибших клеток. Во-первых, им нужно было научить BO-CNN различать явно мертвые и явно живые клетки. 

Поэтому они подготовили чашку Петри с нейронами мышей, которые были сконструированы таким образом, чтобы производить нетоксичный белок, называемый генетически кодируемым индикатором смерти (GEDI), который окрашивал живые клетки в зеленый цвет, а мертвые клетки — в желтый. BO-CNN мог легко узнать, что зеленый означает «живой», а желтый — «мертвый». Но он также изучал другие особенности, отличающие живые клетки от мертвых, которые не так очевидны для человеческого глаза.

После того как BO-CNN научился определять характеристики, отличающие зеленые клетки от желтых, ему показали нейроны, не отличающиеся по цвету. BO-CNN смог правильно маркировать живые и мертвые клетки значительно быстрее и точнее, чем люди, обученные делать то же самое. Модель могла даже смотреть на изображения типов клеток, которые она раньше не видела, сделанные с разных типов микроскопов, и по-прежнему правильно идентифицировать мертвые клетки.

Однако оставался один очевидный вопрос: почему модель исследователей оказалась настолько эффективной при обнаружении мертвых клеток?

Ученые часто рассматривают решения, принимаемые CNN, как черные ящики, при этом стратегия, которую компьютер использует для решения визуальной задачи, считается менее важной, чем то, насколько хорошо он работает. Однако, поскольку в клеточной структуре должны быть какие-то закономерности, на которые ориентируется модель при принятии решений, выявление этих закономерностей может помочь ученым лучше определить, как выглядит гибель клеток, и понять, почему она происходит.

Чтобы выяснить, что это за шаблоны, команда использовала дополнительные вычислительные инструменты для создания визуальных представлений решений BO-CNN. Выяснилось, что их модель BO-CNN частично обнаруживает гибель клеток, фокусируясь на изменении паттернов флуоресценции в ядре клетки. Это особенность, о которой кураторы-люди ранее не знали, и это может быть причиной того, что дизайн предыдущих моделей ИИ был менее точным, чем BO-CNN.

Исследователи считают, что их подход представляет собой значительный прогресс в использовании искусственного интеллекта для изучения сложной биологии, и это доказательство концепции может быть широко применено за пределами обнаружения гибели клеток в микроскопических изображениях. Их программное обеспечение имеет открытый исходный код и общедоступно.

Микроскопия живых клеток чрезвычайно богата информацией, которую исследователям трудно интерпретировать. Но с использованием таких технологий, как BO-CNN, теперь они могут использовать сигналы от самих клеток, чтобы обучать ИИ распознавать и интерпретировать сигналы в других клетках. Исключая человеческие догадки, BO-CNN повышают воспроизводимость и скорость исследований и могут помочь ученым обнаруживать новые явления в изображениях, которые иначе они не смогли бы легко распознать.

С помощью искусственного интеллекта исследовательская группа в настоящее время работает над расширением своей технологии BO-CNN для предсказания будущего — выявления поврежденных клеток еще до того, как они начнут умирать. Они считают, что это может изменить правила игры в исследованиях нейродегенеративных заболеваний, помогая определить новые способы предотвращения гибели нейронов и, в конечном итоге, привести к более эффективным методам лечения.