製薬・バイオテクノロジー分野におけるAI主導の顕微鏡画像解析

人工知能（AI）は、コンピュータが人間の知能を模倣することを可能にするものです。AIは、私たち人間の学習方法と同じように、明示的にプログラムされることなく、画像内の物体を識別することで学習します。

AIの一形態である機械学習（ML）は、データから機能パターンを抽出することで機械に学習させます。つまり、MLはピクセルの輝度だけでなく、テクスチャー情報などの特徴を評価することができるため、変化の激しい画像を含むデータセットから、よりロバストな結果を得ることができるのです。

深層学習（DL）は、数百万ものパラメータを持つ膨大なデータを解釈して学習するMLの特殊な形態です。DLは、アルゴリズムにデータを供給するため、より多くのデータを必要とする一方で、ネットワーク化されたニューロンの複数の層がデータを処理する方法を模倣し、非常に複雑で分割が困難なデータセットをうまく処理することができます。

ZEISSは、細胞核など、興味深い特徴を含む画像の代表的なサブセットを用いてAIを訓練します。従来の画像解析のように、望ましいセグメンテーションの結果を得るために一連の処理ステップを定義するのではなく、トレーニングで望ましい結果が強化され、AIが自動的にアルゴリズムを最適化して、このセグメンテーションを達成するようになっています。AIを活用した解析パイプラインは、低コントラスト画像（ラベルフリーなど）や高密度オブジェクトを含む画像（コンフルエントな細胞培養や組織など）のような、特に困難なイメージングシナリオに適用した場合でも、優れた結果をもたらします。そのうえ、AIパイプラインが容易に自動化され、大規模なデータセットに適用されることで、生物学的現象に関するロバストで統計的に関連性のある洞察が導き出されるのです。