30 millioner til VirtualStain -nå skal AI lære å fargelegge biologiske prøver

27.04.20 Marianne Iversen

UiT Tematiske satsninger har valgt å støtte det multidisiplinære prosjektet VirtualStain med 30 millioner kroner. Prosjektet, som er samarbeid mellom Institutt for informatikk (IFI), Institutt for fysikk og teknologi (IFT), Institutt for klinisk medisin (IKM, Det helsevitenskaplige fakultet) og Norges Fiskerihøgskole (NFH, Fakultet for biovitenskap, fiskeri og økonomi), ledes av professor Alexander Horsch ved IFI.

Professor Alexander Horsch 

VirtualStain er et ambisiøst prosjekt som fokuserer på å utvikle teknologi som kan se og analysere mikroskopi- og nanoskopi-bilder av vev og celler. Slike analyser har hittil vært tidkrevende prosesser hvor prøver er blitt kjemisk farget, avbildet og analysert. Farging, eller ‘staining’, er vanligvis en komplisert kjemisk prosess, som kan være meget tidkrevende. Den er også begrensende da man ofte kun kan farge ett eller få komponenter av gangen. De kjemiske teknikkene som brukes i dag krever at vevet eller cellen fikseres, og man kan dermed ikke følge samme vevsprøve eller celler over tid. I tillegg er mange av kjemikaliene som brukes i slike prosesser helsefarlige.

Ved å finne frem til bedre metoder og protokoller for mikroskopering og avbildning av celler uten farging håper man å ta bilder gode nok til at en kunstig intelligens kan tolke og farge disse. Manuell tolkning av slike bilder sees på som nærmest umulig, og nettopp derfor er dette en interessant utfordring for kunstig intelligens. Videre ønsker man å benytte samme teknikk på live-bilder av vev og celler. Gjennom å studere levende vev og celler håper man etter hvert at en kunstig intelligens skal kunne trenes til å modellere disse biologiske systemene med høy presisjon. Slike datamodeller kan på sikt redusere behovet for cellekulturer og dyremodeller i medisinsk forskning.

Kunstig intelligens høres nok veldig science-fiction ut for mange, men finnes i dag i mye av teknologien vi omgir oss med, som tale- og ansiktsgjenkjenning. Kort fortalt går kunstig intelligens ut på å utvikle datasystemer som kan gjennomføre en oppgave som ellers ville måtte utføres av et menneske, altså kognitive oppgaver. I likhet med ansiktsgjenkjenning ønsker man her å utvikle datasystemer for å analysere mikroskopi- og nanoskopi-bilder slik at nyttig informasjon kan finnes.

Førsteamanuensis Dilip Prasad fra IFI er også involvert i Virtual Stain, og spesielt utviklingen av nye opplæringsmetoder for kunstig intelligents. 

I første omgang skal man bruke hjertevev og celler fra fisk og pattedyr til å ta bilder som kan brukes til å trene den kunstige intelligensen til å gjenkjenne ulike vev- og cellestrukturer. Fordi det er meget krevende å trene opp en kunstig intelligens til denne typen oppgaver på konvensjonelt vis ønsker man å se på andre tilnærminger til opplæring av kunstig intelligens. Man sikter på å bygge systemer som vil være i stand til å lære dynamisk over tid etterhvert som nye data blir tilgjengelig.

På sikt håper man å kunne studere prosessene som står bak kardiovaskulære sykdommer hos mennesker og fisk. Målet er tidligere diagnostisering, bedre sykdomsovervåking og design av nye behandlingsmetoder.

VirtualStain har et stort og innovativt potensiale. Ikke bare ønsker man å revolusjonere måten vev og cellers studeres på, man vil også bidra til videreutviklingen av kunstig intelligens ved å utvikle nye måter for AI å lære på. Et vellykket prosjekt vil være med på å gjøre Tromsø til et ledende miljø på høyteknologisk bioimaging, et sentralt verktøy både innenfor helse- og biologisk forskning.

Øvrige prosjektdeltagere fra Fakultet for naturvitenskap og teknologi er Dilip Prasad (IFI), Frank Melandsø (IFT), Krishna Agarwal (IFT). I tillegg kommer Truls Myrmel og Åsa Birna Birgisdottir fra IKM, og Roy Ambli Dalmo og Jaya Kumari Swain fra NFH.

Logoen til VirtualStain viser tydelig forskjellen på bilder av vev og celler med og uten kunstig farging. Foto: VirtualStain
På Twitter   #norgesarktiske