To pierwsza na świecie tego typu metoda szybkiego rozpoznawania bakterii oraz grzybów na zdjęciach pochodzących z mikroskopów. Nowa technologia wykorzystuje głębokie sieci neuronowe i sztuczną inteligencję, co z jednej strony znacznie przyśpieszy badania diagnostyczne i wdrażanie odpowiednich terapii, a z drugiej strony pomoże potwierdzać diagnozy oraz identyfikacje mikroorganizmów prowadzone tradycyjnymi metodami laboratoryjnymi. Rozwiązanie, za którym stoją zespoły naukowe koordynowane przez prof. Monikę Brzychczy-Włoch z Zakładu Molekularnej Mikrobiologii Medycznej UJ oraz dr. hab. Bartosza Zielińskiego z Instytutu Informatyki i Matematyki Komputerowej UJ, docelowo ma wspomagać pracę diagnostów laboratoryjnych i lekarzy. Ale potencjał tej technologii jest znacznie większy – będzie mogła być też stosowana w przemyśle, monitorowaniu bezpieczeństwa żywności czy pracach badawczych. Nic dziwnego więc, że krakowska uczelnia chce możliwie szybko wprowadzić nowe rozwiązanie do użytku klinicznego.
Bakterie pod mikroskopem
– Dla użytkownika tego rozwiązania wszystko wydaje się być bardzo proste. Do systemu informatycznego należy przesłać zrobione pod mikroskopem zdjęcia mikroorganizmów, a w odpowiedzi system generuje raport z wykazem konkretnych gatunków bakterii czy grzybów, które są obecne w badanym materiale – tłumaczy Bartosz Zieliński. I zaznacza, iż cała operacja zajmuje nie więcej niż minutę.
Czytaj więcej
Coraz więcej bakterii jest opornych na antybiotyki. Zniszczą je miniaturowe instrumenty, mniejsze od ludzkiego włosa. Mogą być też wykorzystane do zwalczania nowotworów.
Aby jednak taki system skonstruować, polscy naukowcy musieli sięgnąć po głębokie sieci neuronowe oraz blisko dziesięcioletnie rezultaty interdyscyplinarnych prac badawczych. – A wszystko zaczęło się od pomysłu rzuconego przed kilkoma laty, by spróbować połączyć siły zespołu informatyków i mikrobiologów – wspomina Monika Brzychczy-Włoch. – Zadaliśmy sobie pytanie, czy da się nauczyć sztuczną inteligencję rozpoznawać konkretne gatunki bakterii w obrazach widzianych pod mikroskopem. Na szczęście informatycy podjęli to wyzwanie i dziś mamy technologię, która jest gotowa do testowania w warunkach klinicznych – kontynuuje.
Jak wskazują badacze, jednym z wyzwań na etapie doskonalenia rozwiązania było przystosowanie sieci neuronowych do efektywnej analizy w oparciu o ograniczone ilości danych wejściowych (co do zasady sieci neuronowe pracują na ogromnych ilościach danych, tu natomiast zespoły dysponowały stosunkowo niewielką jak na sieci neuronowe liczbą obrazów klinicznych oraz materiałów z hodowli mikroorganizmów).