Deep learning capaz de examinar el cerebro y catalogar células automáticamente

Un estudio pionero basado en la utilización de deep learning muestra detalles de las células utilizando ordenadores y sin necesidad de usar técnicas invasivas.

Hace 10 años, un microscopio robótico automatizado podía rastrear células individuales durante horas, días o incluso meses. Ahora, un neurocientífico de la Universidad de California en San Francisco e investigadores de Google se han asociado para crear un sistema que automatice la catalogación de células y el estudio del tejido cerebral.

¿Cómo? a través de Deep learning, un tipo de aprendizaje automático que involucra algoritmos que pueden analizar datos, reconocer patrones y realizar predicciones.

El equipo encargado de este estudio ha desarrollado una red neuronal y la ha entrenado a través de imágenes de células con y sin etiquetas fluorescentes. Esta técnica de etiquetado nos permite conocer fácilmente dónde termina el cuerpo de una neurona y dónde comienzan sus axones y dendritas. Sin embargo, esta técnica tiene grandes inconvenientes, puede consumir mucho tiempo y llegar a matar las células que se intentan estudiar.

Hasta el momento, los algoritmos pueden distinguir células vivas de células muertas, y diferenciar partes de una célula sin la ayuda de etiquetas fluorescentes. Más allá de simplemente ahorrar tiempo, automatizar el proceso de análisis de muestras podría acelerar el descubrimiento de nuevos fármacos.

Por su parte, Philip Nelson, director de ingeniería de Google Accelerated Science, reconoció que: «Queremos utilizar nuestra pasión por el aprendizaje automático para resolver grandes problemas. Esta colaboración con Gladstone constituye una excelente oportunidad para que apliquemos nuestros conocimientos sobre inteligencia artificial para contribuir al beneficio social». Además, Google ha abierto el conjunto de datos y el modelo, lo que significa que los laboratorios pequeños con menos recursos también podrán usar esta tecnología.

Margaret Sutherland, directora del programa en NINDS, declaró por su parte que este enfoque tiene «el potencial de revolucionar la investigación biomédica». Igualmente, el Dr. Finkbeiner, director del Centro de Sistemas y Terapéutica en Gladstone en San Francisco y responsable de este estudio, reconoció que todos los días se crean cientos de imágenes, mucho más de las que se pueden ver o analizar, y añade: «Los métodos de deep learning pueden descubrir mucha más información de la que se puede ver simplemente con nuestros ojos».

Sobre el autor

RELACIONADOS