Модель искусственного интеллекта автоматически обнаруживает аномалии развития у эмбрионов рыбок данио

от

Исследователь из CISPA Сарат Сивапрасад вместе с Хуэй-По Ваном и Марио Фрицем из CISPA и другими коллегами из HIPS разработал систему искусственного интеллекта, которая может автоматически обнаруживать аномалии в развитии эмбрионов рыбок данио.

Подход объединяет крупномасштабный набор данных изображений с высоким разрешением и модель машинного обучения на основе трансформера для выявления эффектов токсичности и результатов фертильности с высокой точностью и эффективностью.

Значимость достижения

Это достижение может значительно ускорить процессы скрининга лекарств. Работа будет представлена на 28-й Международной конференции по компьютерным вычислениям в медицине и компьютерным интервенциям (MICCAI 2025) в Корее.

Обнаружение аномалий

Обнаружение аномалий уже некоторое время является направлением исследований Сарата Сивапрасада. «В машинном обучении обнаружение аномалий — это процесс выявления точек данных, событий или закономерностей, которые значительно отклоняются от ожидаемого поведения», — объясняет он. «Во время обучения система узнаёт, что такое норма, и при анализе каждая выборка оценивается по тому, насколько она отклоняется от этого представления о норме».

«В отличие от традиционной классификации, которая назначает входные данные определённым категориям (например, кошка, собака или машина), обнаружение аномалий фокусируется на различении „А“ и „не А“», — добавляет он.

В этой последней публикации аналогичная концепция применена к биологическим наукам. «В этом случае мы применили версию обнаружения аномалий для наблюдения за развитием эмбрионов рыбок данио», — объясняет исследователь.

Рыбки данио как модельные организмы

«Рыбки данио — отличный модельный организм для биомедицинских исследований, — говорит Сивапрасад. — Это связано с их прозрачными телами и генетическим сходством с людьми». Их быстрое развитие и чувствительность к химическим веществам делают их идеальными для высокопроизводительного скрининга токсичности — важной методологии, используемой при открытии лекарств.

«Однако анализ их развития всё ещё в значительной степени зависит от экспертной ручной проверки — трудоёмкого и субъективного процесса», — отмечает Сивапрасад.

Преодоление трудностей

Сложность здесь заключается в точном обнаружении едва заметных аномалий развития, которые проявляются со временем на последовательностях изображений. «Существующим наборам данных не хватает как временного диапазона, так и масштаба, необходимых для обучения крупномасштабных моделей», — добавляет Сивапрасад.

Чтобы преодолеть это препятствие, коллеги Сивапрасада из HIPS впервые составили один из наиболее полных наборов данных изображений развития эмбрионов рыбок данио на сегодняшний день, включающий более 185 000 микроскопических изображений. «Они поместили эмбрионы рыбок данио в лунки, наблюдали за ними под микроскопом и непрерывно фиксировали их развитие», — объясняет он.

Набор данных охватывает две критически важные экспериментальные задачи:
* Изображения для обнаружения фертильности были аннотированы метками на уровне последовательностей, а аномалии развития имели детальные временные аннотации, создавая ценный эталон для разработки и тестирования автоматизированных инструментов.

На втором этапе была обучена модель на этом наборе данных. Сивапрасад обучил новую нейронную сеть на основе трансформера, которая может интерпретировать как структуру каждого изображения, так и то, как эмбрионы меняются со временем в последовательностях.

ИИ достиг 98% точности в определении оплодотворения эмбриона и 92% точности в обнаружении аномалий развития, вызванных воздействием токсичного соединения (3,4-дихлоранилин). Важно, что модель имитирует то, как эксперты-люди анализируют прогресс развития во времени, что позволяет делать ранние прогнозы токсичности.

Этот набор данных и модель закладывают основу для будущих исследований ранней токсичности на стадии развития, повышая как чувствительность, так и скорость прогнозирования. «Сейчас мы оцениваем только одно химическое вещество, чтобы понять, как развиваются аномалии. Наша цель — расширить это до целой библиотеки химических веществ», — говорит Сивапрасад.

Полный набор данных будет размещён на GitHub бесплатно, что позволит другим исследователям использовать его и расширять без каких-либо затрат. Цель — предоставить сообществу биомедицинских исследований и исследований в области искусственного интеллекта возможность создавать более продвинутые, эффективные и этичные методы скрининга токсичности. «Это ценный ресурс для сообщества машинного обучения, чтобы сравнить свои методы, и для биомедицинских исследований, чтобы лучше понять действие различных лекарств», — добавляет Сивапрасад.

Источник

Другие новости по теме

Другие новости на сайте