Pesquisadores desenvolveram uma plataforma inovadora que permite aos cientistas de ciências da vida utilizar técnicas de aprendizado profundo de ponta para pesquisa biomédica. A plataforma, chamada DL4MicEverywhere, torna a inteligência artificial (IA) avançada acessível para análise de imagens de microscopia, auxiliando pesquisadores independentemente de seu conhecimento de computação.
O aprendizado profundo, um subcampo da inteligência artificial, transformou a análise de conjuntos de dados de microscopia grandes e complexos, permitindo a identificação, rastreamento e análise automáticos de células e estruturas subcelulares. Apesar desses avanços, a necessidade de recursos computacionais e expertise em IA limitou a aplicação dessas técnicas na pesquisa em ciências da vida. O DL4MicEverywhere, desenvolvido por pesquisadores do Instituto Gulbenkian de Ciências (IGC) em Portugal e da Åbo Akademi University na Finlândia, em colaboração com o consórcio AI4Life, aborda esses desafios, fornecendo uma interface de usuário intuitiva que permite aos pesquisadores treinar e aplicar modelos de aprendizado profundo em diversas infraestruturas computacionais, desde laptops até clusters de alto desempenho.
A nova plataforma será disponibilizada como um recurso de código aberto, pois os pesquisadores acreditam que, ao reduzir as barreiras para a análise avançada de imagens de microscopia, a plataforma permitirá avanços em áreas que vão desde a biologia celular básica até a descoberta de medicamentos e a medicina personalizada. O DL4MicEverywhere baseia-se no trabalho anterior da equipe, ZeroCostDL4Mic, e introduz várias melhorias importantes. Ele facilita o treinamento e a implantação de modelos em diferentes ambientes computacionais, encapsulando fluxos de trabalho de aprendizado profundo em contêineres Docker compartilháveis e reproduzíveis. A plataforma também possui uma interface gráfica amigável e expande a coleção de modelos disponíveis para tarefas comuns de análise de imagens de microscopia.
https://www.nature.com/articles/s41592-024-02295-6
