KI-Verfahren zur Auswertung von großen Datenmengen in der optischen Mikroskopie
„Die optische Mikroskopie ermöglicht es uns, biologisches Leben in Raum und Zeit bis ins kleineste Detail zu untersuchen. Lebende Systeme bewegen sich mit unterschiedlicher Geschwindigkeit in jede nur mögliche Richtung“, so Erstautor Jesús Pineda. Diese Fortschritte hätten den Forschenden große Datenmengen zur Verfügung gestellt, dass eine Analyse fast unmöglich geworden sei. Für die aktuelle Studie entwickelten die Expert:innen ein KI-Verfahren, das Graphentheorie mit neuronalen Netzen kombiniert, um verlässliche Informationen aus Videoclips auszuwählen.
Lesen Sie mehr zu diesem Thema:
Schwarmlernen und KI in der Präzisionsonkologie
Erschienen am 24.02.2023 • Lesen Sie, welchen Einfluss Künstliche Intelligenz und insbesondere das Schwarmlernen für die medizinische Forschung und den klinischen Alltag haben!
Erschienen am 24.02.2023 • Lesen Sie, welchen Einfluss Künstliche Intelligenz und insbesondere das Schwarmlernen für die medizinische...
© Laurent - stock.adobe.com
KI kann die Bewegung von einzelnen Zellen oder Molekülen rekonstruieren
Die Graphentheorie ist eine mathematische Struktur zur Beschreibung der Beziehungen zwischen verschiedenen Teilchen in der untersuchten Stichprobe. Dies kann mit einem sozialen Netzwerk verglichen werden, in dem die Teilchen interagieren und sich gegenseitig direkt oder indirekt in ihrem Verhalten beeinflussen. Laut Pineda nutzt das
KI-Verfahren die Informationen des Graphen, um sich an verschiedene Situationen anzupassen. So kann es in verschiedenen Experimenten unterschiedliche Aufgaben lösen. „Zum Beispiel kann unsere KI den Weg rekonstruieren, den einzelne Zellen oder Moleküle nehmen, wenn sie sich bewegen, um eine bestimmte biologische Funktion zu erreichen.“
KI Bestandteil der pharmakologischen Forschung und Entwicklung
So können Forschende die Wirksamkeit verschiedener Medikamente testen und herausfinden, wie gut sie als mögliche Behandlungsmethoden gegen Krebs geeignet sind. KI ermöglicht es auch, alle dynamischen Aspekte von Partikeln in Situationen zu beschreiben, in denen andere Methoden nicht wirksam wären. Aus diesem Grund haben Pharmaunternehmen das Verfahren bereits in ihre Forschung und Entwicklung integriert. Details wurden in „Nature Machine Intelligence“ veröffentlicht (1).
