Microscopia tradiţională se bazează adesea pe etichetarea probelor cu coloranţi, dar acest proces este costisitor şi necesită mult timp. Pentru a depăşi aceste limitări, cercetătorii au dezvoltat o metodă computaţională de imagistică cantitativă de fază (QPI) care utilizează aberaţia cromatică şi inteligenţa artificială generativă. O echipă internaţională de oameni de ştiinţă a prezentat noua metodă la cea mai importantă conferinţă de inteligenţă artificială (AI) din Statele Unite.
Oamenii de ştiinţă de la Centrul pentru înţelegerea sistemelor avansate (CASUS) de la Helmholtz-Zentrum Dresden-Rossendorf (HZDR) din Görlitz- precum şi de la Imperial College London (ICL) şi University College London (UCL) sugerează utilizarea unui fenomen optic numit aberaţie cromatică - care degradează de obicei calitatea imaginii - pentru a produce imagini de calitate superioară cu microscoapele standard.
Prin valorificarea variaţiilor naturale ale distanţelor de focalizare ale diferitelor lungimi de undă, tehnica construieşte serii de imagini prin focalizare dintr-o singură expunere. Cu ajutorul unui model de difuzie special antrenat, această abordare permite imagistica de înaltă calitate a specimenelor biologice, inclusiv a probelor clinice din lumea reală, precum celulele roşii din sânge.
Reuşita ar putea revoluţiona diagnosticarea, oferind o alternativă accesibilă şi eficientă la tehnicile de imagistică convenţionale.
Dezvăluirea de informaţii fără etichetare
Etichetarea probelor biologice cu coloranţi sau alţi agenţi oferă informaţii valoroase, dar această metodă are dezavantaje semnificative care limitează utilizarea sa în diagnosticul clinic. Metoda necesită timp, echipamente şi reactivi costisitori. Ca urmare, cercetările recente s-au axat pe tehnici de microscopie fără etichetare, cum ar fi imagistica cantitativă de fază (QPI).
Prin utilizarea unui model generativ de AI, este necesară doar o singură expunere pentru a obţine calitatea imaginii necesară pentru a face QPI atractiv pentru aplicaţiile din biomedicină.
Spre deosebire de metodele tradiţionale de imagistică, QPI analizează nu numai lumina absorbită sau împrăştiată de un eşantion, ci şi modul în care eşantionul modifică faza luminii care trece prin el. Această schimbare de fază a luminii este direct legată de grosimea eşantionului, de indicele de refracţie şi de alte proprietăţi structurale. În timp ce QPI necesită de obicei echipamente de înaltă performanţă, QPI computaţională oferă o alternativă mai rentabilă.
Puterea QPI computaţională
Una dintre cele mai utilizate tehnici QPI computaţionale se bazează pe rezolvarea ecuaţiei transportului de intensitate (TIE). Această abordare matematică reconstruieşte o imagine a probei prin analizarea schimbărilor de fază ale luminii înregistrate. Ea este relativ uşor de integrat în microscoapele optice existente şi produce imagini de înaltă calitate.
Cu toate acestea, un dezavantaj major al metodei TIE este că necesită adesea mai multe imagini luate la distanţe diferite de focalizare pentru a elimina erorile şi distorsiunile. Colectarea acestor serii de imagini prin focalizare poate fi consumatoare de timp, şi reprezintă şi o provocare tehnică, ceea ce face ca QPI bazat pe TIE să fie nepracticabilă pentru multe aplicaţii clinice.
Utilizarea aberaţiei cromatice
„Abordarea noastră se bazează pe principii similare cu TIE, dar are nevoie de o singură imagine datorită unei combinaţii inteligente de fizică şi inteligenţă artificială (AI) generativă”, spune, într-un comunicat, prof. Artur Yakimovich, de la Universitatea Cornell, lider al unui grup de tineri cercetători CASUS şi autor corespondent al lucrării prezentate la Conferinţa AAAI. Informaţiile despre defazajul indus de specimenul biologic nu provin din expuneri suplimentare luate cu alte distanţe de focalizare.
O serie de imagini prin focalizare poate fi generată şi dintr-o singură expunere datorită unui fenomen numit aberaţie cromatică. Majoritatea sistemelor de lentile ale microscopului nu pot aduce perfect toate lungimile de undă ale luminii albe (policromatice) la un singur punct de convergenţă - un handicap pe care numai lentilele foarte specializate îl pot corecta. Asta înseamnă, de exemplu, că lumina roşie, verde şi albastră (RGB) au distanţe de focalizare uşor diferite.
„Prin înregistrarea deplasărilor de fază ale acestor trei lungimi de undă separat, utilizând un detector RGB convenţional, se poate construi o serie de imagini de focalizare care facilitează QPI computaţională, transformând handicapul într-un avantaj”, explică prof. Yakimovich.
AI depăşeşte principalele provocări
„Utilizarea aberaţiilor cromatice pentru a realiza QPI ridică o provocare: distanţa dintre focalizarea luminii roşii şi focalizarea luminii albastre este foarte mică”, spune Gabriel della Maggiora, doctorand la CASUS şi unul dintre cei doi autori principali ai cercetării. Rezolvarea TIE în mod standard pur şi simplu nu dă rezultate semnificative.
„Ne-am gândit atunci că ne-am putea folosi de AI. Această idee s-a dovedit a fi decisivă”, adaugă della Maggiora. „După antrenarea unui model generativ de AI cu un set de date cu acces liber format din 1,2 milioane de imagini, modelul a fost capabil să extragă informaţii despre faza luminii, chiar dacă se baza doar pe datele foarte limitate din înregistrare”, explică el.
Ilustraţia explică bazele fizice ale noii metode, prezentând o cale a trecerii luminii prin microscop, de la sursa de lumină (stânga), prin condensator, specimen, obiectiv şi detector. Lentilele microscopului împart lumina albă în lungimi de undă individuale. Culorile diferite ale luminii sunt apoi focalizate la distanţe diferite de obiectiv. Acest efect se numeşte aberaţie cromatică şi se manifestă prin „franjuri” de culoare de-a lungul limitelor care separă părţile întunecate de cele luminoase ale imaginii. În ilustraţie, aberaţia cromatică este reprezentată ca lumina roşie, verde şi albastră care deviază. Pe măsură ce unda luminoasă trece prin specimen, faza acesteia se modifică (prezentată în ilustraţie ca exemplu pentru lumina roşie). Prin introducerea ca detector a unei camere obişnuite capabilă să capteze culoarea, imaginile roşu, verde şi albastru sunt captate separat. Schimbările de fază introduse de specimen sunt apoi calculate din aceste imagini separate cu ajutorul unui model AI. Credit: Blaurock/CASUS, martie 2025
Metodă validată pe specimene clinice din lumea reală
Echipa s-a bazat pe un model generativ de AI pentru îmbunătăţirea calităţii imaginilor prezentat în primăvara anului trecut: modelul de difuzie variaţională condiţionată (CVDM). Acesta aparţine unei anumite familii de modele generative AI numite modele de difuzie. Dezvoltatorii subliniază faptul că antrenarea unui CVDM necesită un efort de calcul semnificativ mai mic decât antrenarea altor modele de difuzie, în timp ce rezultatele sunt aceleaşi sau chiar mai bune.
Exploatând o strategie CVDM, echipa a dezvoltat un nou model de difuzie care este aplicabil datelor cantitative. Cu acest model, cercetătorii au fost capabili să realizeze în cele din urmă QPI computaţionaăl bazată pe aberaţii cromatice.
Echipa şi-a validat abordarea generativă bazată pe AI folosind, de exemplu, un microscop obişnuit de captare a câmpului de lumină, echipat cu o cameră color, disponibilă în comerţ, pentru a realiza imagini microscopice din specimene clinice din lumea reală: Analizând celulele roşii din sânge dintr-o probă de urină umană, metoda a fost capabilă să dezvăluie forma acestor celule, în timp ce o altă abordare bazată pe TIE computaţională stabilită nu a reuşit.
Un avantaj suplimentar a fost absenţa virtuală a distorsiunilor în imaginile calculate cu noua variantă generativă de imagistică de fază cantitativă bazată pe IA.
O nouă eră pentru microscoapele clinice
Grupul Yakimovich „Machine Learning for Infection and Disease” dezvoltă noi tehnici de calcul pentru microscopie care ar putea fi aplicate imediat în contexte clinice.
Potenţialul în diagnosticare, este uriaş.
Printre tehnicile utilizate se numără AI generativă. Având în vedere că AI generativă este predispusă să producă halucinaţii, un obiectiv principal al grupului este reducerea acestora. Încorporarea elementelor bazate pe fizică este abordarea cheie în acest sens. După cum arată exemplul de imagistică de fază cantitativă bazată pe AI, această abordare este foarte promiţătoare.
Echipa a prezentat noua abordare la sfârşitul lunii februarie la cea de-a 39-a Conferinţă anuală privind inteligenţa artificială a Asociaţiei pentru progresul inteligenţei artificiale (AAAI), organizată în acest an la Philadelphia (Statele Unite ale Americii) şi urmează să fie publicată în luna martie în Proceedings of the AAAI Conference on Artificial Intelligence.
