NeuroSYS, wrocławska firma z branży IT, realizuje innowacyjny projekt związany z wykorzystaniem sztucznej inteligencji, a dokładniej uczenia głębokiego (Deep Learning), do zautomatyzowania detekcji i identyfikacji kolonii bakteryjnych w laboratoriach przemysłowych. Rozwiązanie może znaleźć zastosowanie między innymi w przemyśle medycznym, farmaceutycznym, spożywczym, kosmetycznym i weterynaryjnym. Nowatorski pomysł NeuroSYS został doceniony przez Narodowe Centrum Badań i Rozwoju i uzyskał dofinansowanie w ramach konkursu Szybka Ścieżka.
Dziś przemysł korzysta z półautomatycznej, a często nawet w pełni manualnej, analizy mikrobiologicznej – niektóre jej etapy, np. przygotowanie próbki, etykietowanie czy pozyskiwanie obrazów, można wykonać za pomocą urządzeń zrobotyzowanych. Jednocześnie ocena wyników odbywa się głównie ręcznie i wymaga żmudnej, powtarzalnej pracy wykonywanej przez zespół ekspertów. Czas i dokładność mają zasadnicze znaczenie dla analiz przeprowadzanych w laboratoriach przemysłowych, gdzie badanie mikrobiologiczne jest prawnie wymaganą częścią procesu produkcyjnego. Oprogramowanie, nad którym pracuje zespół R&D NeuroSYS, zautomatyzuje i usprawni procesy laboratoryjne oraz przyczyni się do wyeliminowania potencjalnych ludzkich błędów.
W ramach prowadzonych badań udało się już osiągnąć znaczący sukces – zespół opracował system, który pozwala z niemal 100 proc. skutecznością ocenić czy szalka Petriego jest sterylna, czy też pojawiły się na niej mikroorganizmy. Wbrew pozorom to trudne zadanie, z którym nie radzą sobie standardowe algorytmy (na szalkach oprócz bakterii mogą znajdować się różne zabrudzenia i pęknięcia). System znalazł zastosowanie w produkcji i został wdrożony przez jeden z pięciu największych koncernów farmaceutycznych na świecie, gdzie funkcjonuje w maszynie automatyzującej działanie laboratorium mikrobiologicznego. Jednak narzędzie stworzone przez zespół R&D NeuroSYS nie jest zarezerwowane wyłącznie dla zaawansowanych technologicznie przedsiębiorstw, można z niego korzystać również za pomocą aparatu fotograficznego umieszczonego na statywie.
We współpracy z ekspertami z Uniwersytetu Wrocławskiego trwają dalsze badania, które pozwolą rozpoznawać szczepy bakteryjne oraz precyzyjnie określać liczbę kolonii bakteryjnych. Obecnie rozwijana jest baza danych treningowych, która w sumie zgromadzi 20 000 zdjęć próbek – mikrobiolodzy z Instytutu Genetyki i Mikrobiologii przygotowują kolejne posiewy hodowli bakteryjnych wraz z dokładnymi opisami zdjęć szalek Petriego, a pracownicy działu R&D NeuroSYS wykorzystują je w procesie uczenia nadzorowanego (ang. Supervised Learning).
Prace prowadzi interdyscyplinarny zespół, w skład którego wchodzą specjaliści i naukowcy z obszaru mikrobiologii oraz zespół R&D NeuroSYS. Ich fascynującej pracy przewodzi Tomasz Golan, fizyk teoretyk z wieloletnim doświadczeniem w tworzeniu oprogramowania do obliczeń numerycznych i symulacji Monte Carlo dla fizyki cząstek elementarnych. Ma za sobą staż podoktorski w laboratorium Fermilab (Fermi National Accelerator Laboratory), jednym z najważniejszych ośrodków badawczych na świecie. Współtworzył międzynarodowe projekty naukowe, publikował w czasopismach z listy filadelfijskiej oraz jest autorem wykładów dla studentów Wydziału Fizyki i Astronomii Uniwersytetu Wrocławskiego, w tym kursu z programowania w języku Python i wykładów monograficznych “Introduction to Machine Learning”.
Źródło i fot.: Informacja prasowa
