Dodano: 24 listopada 2017r.

Sztuczna inteligencja rozpozna bakterie po ich wyglądzie

Zdjęcie z mikroskopu optycznego wystarczy, aby rozpoznać gatunek bakterii. I to bardzo szybko - w ciągu kilku sekund - uważają naukowcy z Krakowa. Do rozróżniania bakterii zaprzęgli algorytmy sztucznej inteligencji.

Pałeczka okrężnicy pod mikroskopem

 

Pacjentka przychodzi do ginekologa z objawami zakażenia dróg rodnych. Lekarz pobiera wymaz - i zamiast odsyłać go do laboratorium, gdzie analiza potrwa nawet kilka dni - robi zdjęcia próbki pod mikroskopem optycznym, po czym wprowadza je do programu. W ciągu kilku sekund dostaje wynik z identyfikacji i wie, z jakimi mikroorganizmami ma do czynienia. W trakcie tej samej wizyty może zaproponować leczenie.

Tak mogłaby wyglądać diagnostyka mikrobiologiczna, gdyby udało się zrealizować pomysły badaczy z Uniwersytetu Jagiellońskiego i Politechniki Krakowskiej. Naukowcy chcą, aby bakterie rozpoznawane były po wyglądzie dzięki algorytmom głębokiego uczenia (deep learning). Badania ukazały się we wrześniu w czasopiśmie PLOS ONE.

Długa droga do diagnozy

Dzisiaj proces jest znacznie dłuższy. Współautorka badania, dr hab. Monika Brzychczy-Włoch z Katedry Mikrobiologii Collegium Medicum UJ opowiada, że pobraną od pacjenta próbkę - np. wymaz ze zmiany skórnej - poddaje się hodowli (namnaża się mikroorganizmy). Potem izoluje się szczepy patogenne (chorobotwórcze). Z nich z kolei wykonuje się preparat barwiony metodą Grama, który diagnosta laboratoryjny ocenia za pomocą mikroskopu optycznego. Jest to dopiero pierwszy krok w identyfikacji gatunkowej izolowanych bakterii.

Obecnie ocena preparatu przez diagnostę trwa około kilkunastu minut, a uzyskane w ten sposób informacje są bardzo ograniczone. Określane są tylko dwie cechy: kształt mikroorganizmu (np. forma kulista lub cylindryczna), a także typ barwienia - czy to bakteria Gram-dodatnia czy Gram-ujemna (są inaczej wybarwione). - Na tym kończymy ocenę preparatu. Nie jesteśmy w stanie określić gatunku ani nawet rodzaju wyizolowanych bakterii - opowiada Monika Brzychczy-Włoch.

Tymczasem algorytm komputerowy z mikroskopowego zdjęcia bakterii może wyciągnąć znacznie więcej informacji, niż człowiek oglądający ten sam obraz. Trzeba jednak "nauczyć" komputer rozróżniania bakterii.

Sieć, która uczy się na własnych błędach

- Wykorzystujemy najnowsze mechanizmy analizy obrazu - głębokie sieci konwolucyjne. Takie sieci wymagają bardzo wielu obrazów, żeby mogły nauczyć się rozwiązywać zadany problem – mówi dr Bartosz Zieliński z Wydziału Matematyki i Informatyki UJ. Podaje przykład, że taka sieć potrzebowałaby około miliona obrazów, by precyzyjnie rozróżniać gatunki bakterii. - A my mieliśmy tylko 660 zdjęć - po 20 dla każdego z 33 analizowanych gatunków - opowiada dr Krzysztof Misztal z WMI UJ.

Naukowcy wykonali jednak sprytny ruch. W swoich badaniach zastosowali sieć już wstępnie przyuczoną do rozpoznawania obrazów. Była to sieć wytrenowana wcześniej zdjęciami obiektów - takich jak kwiaty czy samochody. - Sieć umiała już więc ekstrahować pewne cechy niezbędne do klasyfikacji zdjęć. Mając taką sieć, douczyliśmy ją rozpoznawania zdjęć nowego typu - bakterii. To na razie jedyne możliwe podejście z uwagi na to, że uzyskanie miliona zdjęć bakterii o potwierdzonej identyfikacji jest aktualnie poza naszym zasięgiem - mówi dr Zieliński.

Zadziałało. Algorytm rozróżnia gatunki bakterii nawet bardzo podobne do siebie - takie, których nie jest w stanie rozróżnić człowiek na podstawie obrazu mikroskopowego.

Prosimy o dokarmianie algorytmu!

Na razie sieć umie rozpoznawać 33 gatunki, w tym bakterii tlenowych i beztlenowych, a także pojedyncze gatunki grzybów drożdżopodobnych. To jednak dopiero wstęp do dalszych badań. - Wszystko zależy od baz danych, na których pracujemy. Jeśli zbiór będzie duży, sieć będzie myliła się bardzo rzadko, nawet przy zwiększonej liczbie analizowanych gatunków - mówi dr Krzysztof Misztal.

Na razie algorytm jest w stanie określić, z jakim gatunkiem ma do czynienia, gdy analizuje obraz zawierający tylko jeden typ mikroorganizmu. Etapy namnażania i izolowania są więc nadal konieczne. Kolejnym krokiem będzie jednak nauczenie algorytmu rozpoznawania bakterii znacznie szybciej – bezpośrednio w materiale pobranym od pacjenta. Zdaniem naukowców z UJ jest to wykonalne. Wymaga jednak rozbudowania bazy danych i dalszych prac nad zaproponowanym rozwiązaniem.

Dr Bartosz Zieliński dodaje: Na razie nie ma takiej globalnej bazy zdjęć różnych gatunków bakterii. Naszym marzeniem byłoby stworzenie systemu internetowego, dzięki któremu zespoły z całego świata mogłyby łatwo wysyłać nam zdjęcia drobnoustrojów. A my byśmy je klasyfikowali. Potem tymi zdjęciami douczalibyśmy naszą sieć - opowiada dr Zieliński. Badacze z UJ chcą zawalczyć o grant badawczy, dzięki któremu zbiorą dużą liczbę zdjęć i usprawnią zaproponowany algorytm.
 


Źródło: PAP – Nauka w Polsce, Ludwika Tomala