Ein internationales Forscherteam unter der Leitung von Ignacio Arganda (Universität des Baskenlandes – UPV/EHU, Ikerbasque, Internationales Physikzentrum Donostia und Institut Biofisika) und Arrate Muñoz-Barrutia (Universität Madrid Carlos III, Gesundheitsforschungsinstitut Gregorio Marañón) hat BiaPy entwickelt, eine Plattform für künstliche Intelligenz mit offenem Code, die die Analyse biomedizinischer Bilder mithilfe von Deep-Learning-Techniken erleichtert. Die Arbeit wurde in der renommierten Zeitschrift Nature Methods veröffentlicht.
Die Bildanalyse wird zur Untersuchung von Zellstrukturen, Gewebe und Organen in einer Reihe von Disziplinen eingesetzt und ist ein wesentliches Instrument in der Biomedizin. Die Anwendung von KI zur Analyse dieser Bilder ist jedoch traditionell Experten in Programmierung und Datenwissenschaft vorbehalten. BiaPy überwindet diese Barriere, indem es eine einfach zu bedienende Plattform anbietet, die die Anwendung fortschrittlicher KI-Modelle ermöglicht, ohne dass dafür spezielle technische Kenntnisse erforderlich sind.
„BiaPy zielt darauf ab, den Zugang zu künstlicher Intelligenz in der Biobildgebung zu demokratisieren, indem mehr Wissenschaftler und medizinisches Fachpersonal in die Lage versetzt werden, ihr Potenzial ohne fortgeschrittene Programmier- oder Machine-Learning-Kenntnisse zu nutzen“, erklärte Daniel Franco, Hauptautor der Studie und derzeit Postdoktorand am MRC Laboratory of Molecular Biology und der Universität Cambridge (Vereinigtes Königreich).
Mit BiaPy können verschiedene Arten von Analysen an wissenschaftlichen Bildern durchgeführt werden, z. B. die automatische Identifizierung von Zellen oder anderen biologischen Strukturen, das Zählen von Elementen, die Klassifizierung von Proben nach ihrem Aussehen oder die Verbesserung der Bildqualität, um feinere Details zu erkennen. All dies kann sowohl mit zweidimensionalen Bildern als auch mit dreidimensionalen Bildern, die mit verschiedenen Mikroskopietechniken gewonnen wurden, durchgeführt werden. Darüber hinaus wurde BiaPy so konzipiert, dass es effizient und skalierbar ist: Es kann mit einer Vielzahl von Datenmengen arbeiten, von wenigen kleinen Bildern bis hin zu Terabytes an Informationen, wie sie beim Scannen von Gewebe oder ganzen Organen anfallen.
Das Tool basiert auf der Verwendung von „KI-Modellen“, d. h. Algorithmen, die darauf trainiert sind, Muster in Bildern zu erkennen, ähnlich wie das menschliche Auge Formen oder Farben erkennen kann. Zur Erstellung eines Modells werden Beispiele herangezogen: zum Beispiel Bilder, in denen Zellen bereits manuell markiert wurden. Bei ausreichendem Training lernt das Modell, diese Aufgaben automatisch auszuführen, auch bei neuen Bildern, die es noch nie gesehen hat.
„BiaPy wurde auch in den BioImage Model Zoo (bioimage.io) integriert, eine Datenbank, in der Forscher aus aller Welt bereits trainierte Modelle austauschen. Dank dieser Integration können BiaPy-Benutzer bestehende Modelle für neue Bilder wiederverwenden oder ihre eigenen Modelle einfach trainieren“, erklärt Arrate Muñoz, leitender Mitautor der Arbeit und Mitglied des europäischen Konsortiums AI4Life, das den BioImage Model Zoo entwickelt hat.
Dieses Instrument wird bereits in fortgeschrittenen wissenschaftlichen Projekten eingesetzt. Ein Beispiel ist CartoCell, eine Softwarelösung, die in Zusammenarbeit mit dem von Luis M. Escudero koordinierten Labor (Institut für Biomedizin von Sevilla [Universitätsklinik Virgen del Rocío/CSIC/Universität Sevilla]) entwickelt wurde. CartoCell analysiert mikroskopische Bilder, um verborgene Muster in der Form und Verteilung von Zellen innerhalb von 3D-Epithelgewebe aus verschiedenen Organismen aufzudecken.
Ein weiterer erwähnenswerter Fall ist die Anwendung in Zusammenarbeit mit den Labors von Emmanuel Beaurepaire (École Polytechnique, Frankreich) und Jean Livet (Institut de la Vision, Paris). Diese Gruppen haben die Mikroskopietechnik ChroMS entwickelt, die es ermöglicht, riesige dreidimensionale Bilder ganzer Gehirne mit Hilfe von fluoreszierenden Farben zu erstellen, die von Proteinen aus Quallen und Korallen erzeugt werden. BiaPy wird eingesetzt, um jede Zelle in diesen großformatigen Bildern automatisch zu erkennen, selbst in dicht besiedelten Bereichen des Gehirns. So kann die Entwicklung des Gehirns untersucht werden, indem die Abstammung der Zellen anhand ihrer Farben und dreidimensionalen Positionen rekonstruiert wird.
Als Open-Access-Tool steht BiaPy der wissenschaftlichen Gemeinschaft kostenlos zur Verfügung und fördert so die Zusammenarbeit und die kontinuierliche Verbesserung der Software. Es kann auf PCs oder Servern mit mehreren Grafikkarten sowie in der Cloud verwendet werden. Es ist einfach zu installieren und stellt sicher, dass Experimente in verschiedenen Umgebungen leicht wiederholt werden können, wodurch eine offene, reproduzierbare Wissenschaft gefördert wird.
Wie Ignacio Arganda, der Hauptautor der Studie, betonte, „stellt die Entwicklung von BiaPy einen wichtigen Schritt zur Demokratisierung des fortgeschrittenen künstlichen Computersehens in der Mikroskopie dar. Das zugängliche Design und der Fokus auf offene Zusammenarbeit reduzieren technische Barrieren und erleichtern es mehr Forschern und medizinischem Fachpersonal, künstliches Sehen in ihren Studien anzuwenden. Die Kompatibilität mit verschiedenen Computerumgebungen und die Offenheit des Codes machen BiaPy zu einer Plattform, die ein enormes Potenzial bietet, um Innovationen voranzutreiben und die wissenschaftliche Forschung zu beschleunigen.“
Weitere Informationen über BiaPy finden Sie unter:
