Inteligência Artificial gera imagens detalhadas de células e tecidos vivos em tempo recorde

A geração de imagens moleculares abrangentes de órgãos e tumores em organismos vivos pode ser realizada em velocidade ultrarrápida, usando uma nova abordagem de aprendizado profundo para reconstrução de imagens, desenvolvida por pesquisadores do Instituto Politécnico Rensselaer, localizado no estado de Nova Iorque, nos Estados Unidos. O relato do sucesso da experiência foi publicado num artigo científico Light: Science and Applications, uma revista da Nature.

Para permitir a visualização quase em tempo real de eventos moleculares, a equipe de pesquisa aproveitou os últimos desenvolvimentos em Inteligência Artificial (IA), que permitem que as imagens obtidas sejam “entendidas” e assim “completadas” por um algoritmo. A reconstrução da imagem com  imagem amplamente aprimorada é realizada usando uma abordagem de deep learning. O “aprendizado profundo” é um conjunto complexo de algoritmos projetados para ensinar um computador a reconhecer e classificar dados. Especificamente, essa equipe desenvolveu uma arquitetura de rede neural convolucional que os pesquisadores da Rensselaer chamam de Net-FLICS, que significa imagem vitalícia por fluorescência com sensor comprimido. Uma rede neural convolucional (CNN do inglês Convolutional Neural network ou ConvNet) é uma classe de rede neural artificial do tipo feed-forward, que vem sendo aplicada com sucesso no processamento e análise de imagens digitais.

Há pouco tempo, uma equipe de pesquisa da Rensselaer propôs uma nova abordagem para adquirir conjuntos de dados moleculares abrangentes, conforme relatado na Nature Photonics, que gerava imagens muito precisas, mas que podia levar horas de processamento de dados. A novidade é que agora o algoritmo consegue obter o mesmo resultado instantaneamente, enquanto o paciente está sendo examinado. “O desenvolvimento de novas aplicações da AI é tão rápido que há poucos meses os cientistas estavam comemorando a obtenção de imagens detalhadas das células após algumas horas, e agora essa técnica já foi superada por outra que fornece os resultados em tempo real”, comenta o especialista em tecnologias disruptivas Arie Halpern.

Aplicação clínica

Os pesquisadores ainda precisam de algum tempo de desenvolvimento para que esse procedimento esteja disponível nas clínicas. No entanto, é possível vislumbrar uma série de aplicações muito eficientes para ele. Com a ajuda de fluorescência, esse processo de imagem pode revelar informações sobre a administração intracelular bem-sucedida de medicamentos. Isso poderia facilitar o desenvolvimento de medicamentos personalizados, melhorar o diagnóstico ou identificar tecidos a serem extraídos na eventualidade da descoberta de tumores.