Análisis de imágenes de microscopía basado en IA en las industrias farmacéutica y biotecnológica

La inteligencia artificial (IA) permite a los ordenadores imitar la inteligencia humana. La IA puede aprender a identificar objetos en imágenes sin que se programe explícitamente, de forma similar a como aprendemos los seres humanos.

Una de las formas de IA es el aprendizaje automático (AA), que permite a las máquinas aprender extrayendo patrones de características de los datos. El AA puede evaluar funciones más allá de la intensidad de píxeles, p. ej., la información textural, que arroja resultados más sólidos a partir de conjuntos de datos que incluyen imágenes muy variables.

El aprendizaje profundo (AP) es una forma especializada de AA que aprende a partir de la interpretación de grandes cantidades de datos con millones de parámetros. Si bien requiere más datos para alimentar el algoritmo, el AP puede imitar la forma en que múltiples capas de neuronas en red tratan los datos, lo que le permite procesar con éxito conjuntos de datos muy complejos y difíciles de segmentar.

Entrenamos la IA utilizando un subconjunto representativo de imágenes que contienen características de interés, p. ej., núcleos celulares. En lugar de definir una secuencia de pasos del procesamiento para lograr un resultado de segmentación deseado (como en el análisis de imágenes convencional), el resultado deseado se refuerza con el entrenamiento, y la IA optimiza el algoritmo de forma automática para lograr esta misma segmentación. Las canalizaciones analíticas con IA arrojan resultados sobresalientes, incluso cuando se aplican a escenarios particularmente difíciles para la captura de imágenes, como imágenes con bajo contraste (p. ej., sin marcadores) e imágenes con altas densidades de objetos (p. ej., cultivos celulares o tejidos confluentes). Asimismo, las canalizaciones con IA se automatizan rápidamente y se aplican a grandes conjuntos de datos para extraer perspectivas contundentes y estadísticamente relevantes sobre los fenómenos biológicos.