機械学習により顕微鏡検査がこれまで以上に向上

機械学習は、最も優れた顕微鏡のいくつかがより鮮明に見え、より速く動作し、より多くのデータを処理するのに役立っています。魚の脳内の急速な神経シグナル伝達を観察するために、科学者たちは、この急速な生物学的プロセスの 3D 画像化を可能にする光視野顕微鏡法と呼ばれる技術を使い始めました。しかし、これらの画像は品質が低いことが多く、膨大な量のデータを 3D ボリュームやムービーに変換するには数時間から数日かかることがあります。

[[397972]]

現在、欧州分子生物学研究所（EMBL）の科学者たちは、人工知能（AI）アルゴリズムと2つの最先端の顕微鏡技術を組み合わせました。この進歩により、画像処理時間が数日から数秒に短縮され、結果として得られる画像は鮮明で正確になります。この研究結果はNature Methods誌に掲載された。

「最終的に、このアプローチで『2つの世界のベスト』を実現することができました」と、論文の主執筆者の1人で、現在はミュンヘン工科大学の博士課程に在籍するニールス・ワーグナー氏は語る。「AIにより、さまざまな顕微鏡技術を組み合わせることができるため、光視野顕微鏡で可能な限り高速に画像化でき、光シート蛍光顕微鏡の画像解像度に近づくことができます。」

ライトシート蛍光顕微鏡法とライトフィールド顕微鏡法は似ているように聞こえますが、これらの技術にはそれぞれ異なる利点と課題があります。光視野顕微鏡法は大きな三次元画像を撮影し、研究者が魚の幼生の心拍などの非常に微細な動きを非常に高速で追跡および測定することを可能にします。しかし、この技術では膨大な量のデータが生成され、処理に数日かかることもあり、結果として得られる画像は解像度が不足することが多い。

ライトシート蛍光顕微鏡は、特定のサンプルの単一の 2 次元平面を一度に観察するため、研究者はより高い解像度でサンプルを画像化できます。光シート蛍光顕微鏡と比較すると、光シート顕微鏡で生成される画像は処理が高速ですが、一度に単一の 2 次元平面からの情報しか取得しないため、データの包括性は低くなります。

EMBL の研究者は、各技術の長所を活かすために、光視野顕微鏡を使用して大型の 3D サンプルを画像化する方法を開発し、光シート顕微鏡を使用して AI アルゴリズムをトレーニングし、サンプルの正確な 3D 画像を作成しました。

新しいハイブリッド顕微鏡プラットフォームを開発したEMBLグループを率いるロバート・プレベデル氏は、より優れた顕微鏡を構築する上での本当のボトルネックは、多くの場合、光学系ではなく計算だと指摘する。そのため、2018年に彼とアンナは団結することを決意したのです。 「私たちの方法は、脳がどのように計算するかを研究したい人にとって本当に重要なものとなるでしょう。私たちの方法により、魚の幼生の脳全体を生きたまま画像化することができます」とロバート氏は語った。

彼とアンナは、この方法は異なるタイプの顕微鏡でも使えるように改良できる可能性があり、最終的には生物学者が数十種類の標本を観察し、より多くのものをより速く観察できるようになると述べている。例えば、心臓の発達に関与する遺伝子の発見に役立ったり、何千ものニューロンの活動を同時に測定したりできるかもしれない。

次に研究者らは、この手法が哺乳類を含む大型種に適用できるかどうかを調べる予定だ。