Para ilmuwan baru saja menemukan negara adidaya tersembunyi di mikroskop – terima kasih kepada AI
Mikroskop tradisional sering bergantung pada sampel pelabelan dengan pewarna, tetapi proses ini mahal dan memakan waktu. Untuk mengatasi keterbatasan ini, para peneliti telah mengembangkan metode pencitraan fase kuantitatif komputasi (QPI) menggunakan penyimpangan kromatik dan AI generatif.
Dengan memanfaatkan variasi alami dalam jarak fokus dari panjang gelombang yang berbeda, teknik ini membangun tumpukan gambar fokus-fokus dari paparan tunggal. Dengan bantuan model difusi yang dilatih secara khusus, pendekatan ini memungkinkan pencitraan spesimen biologis berkualitas tinggi, termasuk sampel klinis dunia nyata seperti sel darah merah. Terobosan dapat merevolusi diagnostik, memberikan alternatif yang mudah diakses dan efisien untuk teknik pencitraan konvensional.
Mengungkapkan wawasan tanpa label
Pelabelan sampel biologis dengan pewarna atau agen lain memberikan wawasan yang berharga, tetapi metode ini memiliki kelemahan signifikan yang membatasi penggunaannya dalam diagnostik klinis. Ini membutuhkan waktu, peralatan mahal, dan reagen yang mahal. Akibatnya, penelitian terbaru berfokus pada teknik mikroskop bebas label seperti kuantitatif fase pencitraan (QPI).
Tidak seperti metode pencitraan tradisional, QPI menganalisis tidak hanya cahaya yang diserap atau tersebar oleh sampel tetapi juga bagaimana sampel menggeser fase cahaya yang melewatinya. Pergeseran fase ini secara langsung terkait dengan ketebalan sampel, indeks bias, dan sifat struktural lainnya. Sementara QPI biasanya membutuhkan peralatan kelas atas, QPI komputasi menawarkan alternatif yang lebih hemat biaya.
Kekuatan QPI komputasi
Salah satu teknik QPI komputasi yang paling banyak digunakan didasarkan pada pemecahan persamaan transportasi intensitas (TIE). Pendekatan matematika ini merekonstruksi gambar sampel dengan menganalisis perubahan fase yang direkam. Relatif mudah untuk diintegrasikan ke dalam mikroskop optik yang ada dan menghasilkan gambar berkualitas tinggi.
Namun, kelemahan utama dari metode pengikat adalah bahwa ia sering membutuhkan banyak gambar yang diambil pada jarak fokus yang berbeda untuk menghilangkan artefak. Mengumpulkan tumpukan fokus melalui ini dapat memakan waktu dan secara teknis menantang, membuat QPI berbasis pengikat menjadi tidak praktis untuk banyak aplikasi klinis.
Memanfaatkan penyimpangan kromatik
“Pendekatan kami bergantung pada prinsip -prinsip yang sama sebagai dasi tetapi hanya membutuhkan satu gambar karena kombinasi yang cerdas antara fisika dan AI generatif,” kata Prof. Artur Yakimovich, pemimpin kelompok penyelidik muda casus dan penulis yang sesuai dari karya yang disajikan pada Konferensi AAAI. Informasi tentang pergeseran fase yang disebabkan oleh spesimen biologis tidak berasal dari paparan tambahan yang diambil dengan jarak fokus lainnya.
Tumpukan fokus melalui juga dapat dihasilkan dari satu paparan tunggal berkat fenomena yang disebut aberasi kromatik. Sebagian besar sistem lensa mikroskop tidak dapat membawa semua panjang gelombang cahaya putih (polikromatik) ke titik konvergen tunggal dengan sempurna – handicap yang hanya dapat diperbaiki oleh lensa yang sangat khusus. Ini berarti misalnya cahaya merah, hijau dan biru (RGB) memiliki jarak fokus yang sedikit berbeda.
“Dengan merekam pergeseran fase dari ketiga panjang gelombang secara terpisah menggunakan detektor RGB konvensional, seseorang dapat membangun tumpukan fokus melalui yang memfasilitasi QPI komputasi yang mengubah handicap menjadi aset,” Yakimovich menjelaskan.
AI mengatasi tantangan utama
“Menggunakan penyimpangan kromatik untuk mewujudkan qpi menimbulkan satu tantangan: jarak antara fokus lampu merah dan fokus lampu biru sangat kecil,” kata Gabriel Della Maggiora, mahasiswa PhD di Casus dan salah satu dari dua penulis utama publikasi. Memecahkan dasi dengan cara standar tidak memberikan hasil yang bermakna.
“Kami kemudian beralasan bahwa kami bisa menggunakan kecerdasan buatan. Ternyata, ide ini terbukti menentukan, “Della Maggiora menambahkan.” Setelah melatih model AI generatif dengan set data akses terbuka yang terdiri dari 1,2 juta gambar, model ini dapat mengambil informasi fase meskipun hanya mengandalkan input data yang sangat terbatas dari perekaman. “
Metode divalidasi pada spesimen klinis dunia nyata
Tim menggunakan model AI generatif untuk peningkatan kualitas gambar yang disajikan musim semi lalu: Model Difusi Variasional Bersyarat (CVDM). Itu milik keluarga tertentu dari model AI generatif bernama model difusi. Para pengembang menekankan bahwa melatih CVDM membutuhkan upaya komputasi yang jauh lebih sedikit daripada melatih model difusi lainnya sementara hasilnya sama atau bahkan lebih baik.
Memanfaatkan strategi CVDM, Della Maggiora dan rekannya mengembangkan model difusi baru yang berlaku untuk data kuantitatif. Dengan model ini, mereka sekarang dapat mewujudkan QPI komputasi berdasarkan penyimpangan kromatik.
Mereka memvalidasi pendekatan berbasis AI generatif mereka menggunakan misalnya mikroskop brightfield umum yang dilengkapi dengan kamera warna yang tersedia secara komersial untuk membuat gambar mikroskopis dari spesimen klinis dunia nyata: menganalisis sel darah merah dalam sampel urin manusia, metode ini mampu mengungkap bentuk seperti donat sel-sel ini sedangkan pendekatan berbasis komputasi yang ditetapkan tidak.
Keuntungan tambahan adalah tidak adanya artefak cloud virtual dalam gambar yang dihitung dengan varian pencitraan fase kuantitatif berbasis AI generatif baru.
Era baru untuk mikroskop klinis
Grup Yakimovich “Pembelajaran Mesin untuk Infeksi dan Penyakit” mengembangkan teknik komputasi baru untuk mikroskop yang dapat segera diterapkan dalam pengaturan klinis. Potensi EG dalam diagnostik sangat besar. Di antara teknik yang digunakan adalah AI generatif. Karena AI generatif cenderung menghasilkan halusinasi, fokus utama kelompok ini adalah untuk menguranginya. Memasukkan elemen berbasis fisika adalah pendekatan utama di sini. Seperti yang ditunjukkan oleh contoh pencitraan fase kuantitatif berbasis AI, pendekatan ini sangat menjanjikan.
Referensi: “Pencitraan Fase Kuantitatif Paparan Tunggal dengan Mikroskop Konvensional Menggunakan Model Difusi” oleh Gabriel Della Maggiora, Luis Alberto Croquevielle, Harry Horsley, Thomas Heini dan Artur Yakimovich, 24 Desember 2024, Prosiding Konferensi AAAI tentang Kecerdasan Buatan.
ARXIV: 2406.04388
