Nowa technologia wykorzystuje głębokie sieci neuronowe i sztuczną inteligencję. Uczelnia chce możliwie szybko wprowadzić ją do użytku klinicznego.

Jak informuje Centrum Transferu Technologii CITTRU, zastosowanie sieci neuronowych i sztucznej inteligencji do analizy obrazów pochodzących z mikroskopów świetlnych pozwala w ciągu krótkiej chwili wygenerować raport z wykazem zidentyfikowanych gatunków mikroorganizmów. Takie rozwiązanie z jednej strony znacznie przyśpieszy badania diagnostyczne i wdrażanie odpowiednich terapii, z drugiej - pomoże potwierdzać diagnozy oraz identyfikacje mikroorganizmów prowadzone tradycyjnymi metodami laboratoryjnymi.

Technologia została opracowana na Uniwersytecie Jagiellońskim we współpracy dwóch zespołów: koordynowanego przez prof. Monikę Brzychczy-Włoch z Zakładu Molekularnej Mikrobiologii Medycznej oraz koordynowanego przez dr. hab. Bartosza Zielińskiego, prof. UJ, z Instytutu Informatyki i Matematyki Komputerowej.

„Dla użytkownika tego rozwiązania wszystko wydaje się być bardzo proste. Do systemu informatycznego należy przesłać zrobione pod mikroskopem zdjęcia mikroorganizmów. W odpowiedzi system generuje raport z wykazem konkretnych gatunków bakterii czy grzybów, które są obecne w badanym materiale. Cała operacja zajmuje nie więcej niż minutę” – tłumaczy dr hab. Bartosz Zieliński.

Jednak, choć cała procedura zajmuje chwilę, jest bardzo skomplikowana - stoją za nią m.in. głębokie sieci neuronowe oraz rezultaty blisko dziesięcioletnich interdyscyplinarnych prac badawczych prowadzonych na UJ.

„Wszystko zaczęło się od pomysłu rzuconego przed kilkoma laty, by spróbować połączyć siły zespołu informatyków i mikrobiologów - opowiada prof. 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”.

Nowe rozwiązanie działa dzięki specjalnie zoptymalizowanym głębokim sieciom neuronowym, które analizują obrazy mikroskopowe, przedstawiające gatunki zarówno bakterii, jak i grzybów drożdżopodobnych, aby wykryć i precyzyjnie zidentyfikować mikroorganizmy w materiale biologicznym.

Jak podkreśla dr Zieliński, jednym z wyzwań na etapie doskonalenia rozwiązania było przystosowanie sieci neuronowych do efektywnej analizy w oparciu o ograniczone ilości danych wejściowych. Zazwyczaj sieci neuronowe pracują na ogromnych ilościach danych; tutaj badacze dysponowali stosunkowo niewielką liczbą obrazów klinicznych oraz materiałów z hodowli mikroorganizmów. Należało więc przeprowadzić dodatkowe prace, które adaptowały specyfikę sieci neuronowych na potrzeby tego wyzwania.

„Pierwsze nasze badania były stosunkowo łatwe i postępowały szybko. Szczególnie, gdy rozwiązanie miało identyfikować mikroorganizmy na podstawie fotografii z hodowli ściśle określonych bakterii czy grzybów - mówi dr Zieliński. - Schody pojawiają się jednak w sytuacji, gdy katalog mikroorganizmów, które system może rozpoznać, ulega ciągłemu poszerzaniu, a na zdjęciach z mikroskopu widać duże zagęszczenia wielu typów bakterii”.

„W takich sytuacjach identyfikacja gatunków jest trudna, a dla ludzkiego oka niemożliwa. Dopracowanie algorytmów na tym poziomie i uzyskanie satysfakcjonującego poziomu predykcji, czyli przekraczającego 90 proc., uważam za nasze spore osiągnięcie” – zaznacza ekspert.

Badacz podkreśla, że istotną zaletą rozwiązania jest to, że na podstawie analizy obrazu morfologii mikroorganizmów umożliwia identyfikację co do konkretnego gatunku. Warunek ten jest spełniony nawet wtedy, gdy materiał zawiera w sobie kilka typów bakterii.

Obecnie system jest w stanie zidentyfikować kilkadziesiąt gatunków bakterii oraz grzybów drożdżopodobnych. Jak zaznaczają twórcy, nie ma jednak żadnych ograniczeń, jeśli chodzi o jego dalszy rozwój i zdolności diagnostyczne. Twierdzą, że docelowo technologia będzie rozpoznawała każdy gatunek, o ile wcześniej się z nim zaznajomi i go nauczy. Dlatego właśnie, budując systemową bibliotekę mikroorganizmów, naukowcy zaczęli od tych patogenów, które spotykane są najczęściej. Na kolejnych etapach będą „uczyć” system rozpoznawania innych gatunków - tych rzadziej występujących w materiałach biologicznych.

Jak zaznaczają autorzy systemu, może ono skutecznie identyfikować nie tylko bakterie i grzyby, ale także pierwotniaki, np. jednokomórkowe zarodźce malarii. Dzięki temu może stanowić ciekawą alternatywę dla drogich metod diagnostycznych, takich jak Real-time PCR, MALDI TOF itp., które – co warto podkreślić – również nie dają informacji zwrotnej natychmiast.

Poza zastosowaniami klinicznymi rozwiązanie może się też sprawdzić również w innych obszarach; w zasadzie wszędzie tam, gdzie konieczne jest prowadzenie mikroskopowych badań pod kątem wykrywania oraz identyfikacji mikroorganizmów.

„Opracowany przez nas system może docelowo pełnić funkcję samodzielnego i autonomicznego narzędzia do identyfikowania mikroorganizmów w badanych materiałach biologicznych, jak również może być wsparciem czy uzupełnieniem dla dotychczas stosowanych metod laboratoryjnych. Wszystko zależy od przyjętego w laboratorium modelu. Ważne jest natomiast to, że wynik badania dostarczany jest praktycznie natychmiast od momentu wgrania zdjęcia do systemu. To kluczowa kwestia w sytuacjach, gdy pacjent już ma rozwinięte zakażenie i potrzebna jest szybka diagnoza, np. po to, by natychmiast wdrożyć odpowiednie leczenie” – podsumowuje prof. Brzychczy-Włoch.

UJ chciałby możliwie szybko wprowadzić nową technologię do użytku klinicznego. Aby jednak do tego doszło, konieczne są dalsze badania z udziałem klinicznych materiałów biologicznych, a także przejście szeregu procedur. Do tego zaś potrzebny jest partner branżowy oraz dodatkowe finansowanie.

„Oczywiście nie wykluczamy finansowania prac badawczych z udziałem środków publicznych czy unijnych, ważne jest jednak, by doskonalenie zdolności technologicznej tej metody przeprowadzać z podmiotem branżowym posiadającym odpowiednie doświadczenie. To zdecydowanie przyśpieszy komercjalizację” – uważa dr hab. inż. Gabriela Konopka-Cupiał, Dyrektor Centrum Transferu Technologii UJ.

Rozwiązanie zostało już objęte ochroną prawną na terenie UE. Jak podkreślają twórcy, na etapie badania zdolności patentowej wykazano, iż jest to pierwsza tego rodzaju technologia opracowana na świecie.

Nauka w Polsce, Katarzyna Czechowicz