1,6 miljoner celler förbättrar AI-baserad tolkning av mikroskopibilder

Att urskilja enskilda celler är en förutsättning för att studera cellbiologi i detalj med hjälp av mikroskopi. Nu publiceras en storskalig resurs för att göra det möjligt att använda de senaste AI-metoderna för att hitta och urskilja cellerna automatiskt. En vetenskaplig artikel om resursen är publicerad i tidskriften Nature Methods.

Att använda mikroskop för att studera cellers beteende är inget nytt och är standard för att till exempel utveckla och förstå effekten av nya läkemedel. Med hjälp av automatiserade mikroskop kan man i dag samla in mångt mycket fler mikroskopibilder än vad man kan analysera manuellt. Forskare vid Umeå universitet, tyska AI-institutet Deutsches Forschungszentrum für Künstliche Intelligenz (DFKI), och företaget Sartorius har publicerat ett nytt, storskaligt dataset som gör det möjligt att använda de senaste teknikerna inom AI för att tolka mikroskopiska bilder automatiskt.

I många fält pågår det en AI-revolution. Dagens AI drivs framför allt av så kallad maskininlärning vilket har revolutionerat bland annat datorseende under det senaste decenniet. Maskininlärning är flexibelt och kraftfullt men behöver ”tränas” på stora datamängder. Det innebär att för många är bristande tillgång på stora dataset det största hindret för att använda de senaste AI-teknikerna. Fram till i dag har det varit ont om sådana dataset inom mikroskopisk bildanalys.

Rickard Sjögren, som nyligen disputerat vid Umeå universitet och i dag arbetar som forskare hos Sartorius, en global leverantör till läkemedelsindustrin, har lett arbetet med att ta fram det nya datasetet.

– Vårt mål med forskningsprojektet var att skapa en resurs inom life science som är öppen och tillgänglig för alla som vill använda de senaste AI-metoderna inom mikroskopi, säger Rickard Sjögren.

Forskarteamet använde sig av en process som kallas bildannotering, vilket innebär att man markerar ut de enskilda cellerna för hand, i drygt 5 000 mikroskopibilder. Det totala antalet enskilda celler som annoterades på detta vis landade på ungefär 1,6 miljoner.

– Det blir ett dataset som innehåller 20 gånger fler celler än vad som fanns publicerat tidigare, säger Rickard Sjögren.

I det här fallet var det inte biologer som utförde arbetet utan inhyrda annoterare, det vill säga icke-experter. Men eftersom det kan vara svårt att urskilja enskilda celler och att bildmängderna var så stora, ställdes stora krav på kvalitetssäkringen.

Johan Trygg, professor i kemometri på Kemiska institutionen vid Umeå universitet. har deltagit i planeringen och koordinationen av arbetet.

– Att data håller hög kvalitet är kritiskt för all dataanalys, inklusive AI-baserad analys. Givet att framtiden för life science-forskning är datadriven skapar vårt nya dataset stora möjligheter och passar perfekt in i den pågående miljardsatsningen av Knut och Alice Wallenbergs Stiftelse inom datadriven life science där Umeå universitet deltar, säger Johan Trygg.

Utöver själva datasetet har teamet samarbetat med tyska AI-institutet DFKI för att träna AI-modeller på data, ta fram rutiner för att utvärdera dem, och demonstrera hur väl de funkar för sitt syfte att urskilja enskilda celler.

– Vi hoppas att vår resurs ska möjliggöra nästa generations AI-driven mikroskopi och att det i sin tur ger oss ett kraftfullare verktyg för att snabbare utveckla nya läkemedel, säger Rickard Sjögren.

Om den vetenskapliga studien:

Edlund, C., Jackson, T.R., Khalid, N. et al.: LIVECell—A large-scale dataset for label-free live cell segmentation.Nature Methods (2021). https://doi.org/10.1038/s41592-021-01249-6

Pressbilder:

https://mediabank-umu.qbank-mediaportal.se/selection/add30a4f4365c3c5839947c5c2120464

För mer information, kontakta gärna:

Professor Johan Trygg, Kemiska institutionen vid Umeå universitet
Telefon: 0730-64 71 37
E-post: johan.trygg@umu.se

Rickard Sjögren, Sartorius
Telefon: 0736-82 29 39
E-post: rickard.sjoegren@sartorius.com

LinkedIn