Искусственный интеллект в биологии

Статья на конкурс «Био/Мол/Текст»: Диагностика паразитарных заболеваний в ветеринарии и сельском хозяйстве до сих пор остается сложной и трудоемкой задачей, требующей специализированных лабораторных исследований. В ответ на этот вызов нами представлен пилотный проект по созданию системы автоматизированной идентификации паразитов с использованием технологии искусственного интеллекта. В основе работы лежит обучение нейронной сети на платформе Google Teachable Machine для классификации изображений гельминтов на два основных класса — нематоды и цестоды, которые вызывают различные серьезные заболевания (такие как эхинококкоз, трихинеллез, тениоз, аскаридоз и другие) у людей и животных. Они поражают различные органы и системы, вызывая заболевания; их деятельность в организме может привести к анемии, истощению, аллергическим реакциям и нарушению функций внутренних органов. Их точная идентификация важна для своевременного назначения лечения и профилактики осложнений. На основе собранной базы данных изображений, состоящей из 28 фотографий гельминтов, была обучена модель, продемонстрировавшая в ходе тестирования точность 89%. Разработанное решение обладает значительным практическим потенциалом, позволяя проводить быструю и точную диагностику «в поле», что делает его перспективным инструментом для ветеринаров, работников агрокомплексов и студентов. Проект открывает дорогу для создания коммерческого продукта, способного снизить затраты на лабораторные услуги и ускорить начало лечения.

Статья на конкурс «Био/Мол/Текст»: Искусственный интеллект перестает быть технологией будущего и начинает активно использоваться в различных сферах жизни человека. В данной статье рассмотрены задачи, которые он помогает решать в области ветеринарной медицины, а также перспективы и вызовы, возникающие при внедрении инновационных технологий в практику ветеринарных врачей. Может ли искусственный интеллект полностью заменить человека?

Статья на конкурс «Био/Мол/Текст»: Тема радиомики уже поднималась на «Биомолекуле» — в статье «Увидеть то, что неподвластно глазу» были заложены основы понимания этой технологии. Здесь мы идем дальше: подробно разбираем не только принципы, но и конкретные клинические применения, проблемы воспроизводимости и международные стандарты качества.

Статья на конкурс «Био/Мол/Текст»: На заре обработки биологических снимков исследователь проводил долгие часы, вручную обводя контуры клеток или даже подсчитывая клетки микроскопического поля в камере Горяева. Развитие технологий обработки изображений позволило автоматизировать такие задачи, как подсчет клеток на снимке и их классификация. Это значительно продвинуло разработку лекарств (быстрый анализ выживаемости), диагностику заболеваний и многие другие направления исследований. В этой статье рассмотрим эволюцию подходов к определению клеток на микроскопических изображениях в задачах компьютерного зрения — как методы анализа клеточных снимков развивались от алгоритмов с жестко заданными правилами обработки пикселей к нейросетевым моделям, использующим обучение на данных, геометрические представления формы и самообучение. И разберемся, почему каждый новый подход возникал как ответ на ограничения предыдущего, и как со временем менялся сам способ формального описания клеточной структуры.

Статья на конкурс «Био/Мол/Текст»: Дендритные шипики — это выступы плазматической мембраны нейронов на их отростках (дендритах), отвечающие за синаптические связи с другими нейронами (в синапсе они выступают в роли постсинаптической мембраны). Дендритные шипики могут иметь самые разные формы; в течении жизни они появляются, растут, меняются и исчезают. Считается, что морфология (форма) дендритных шипиков тесно связана с тем, как они функционируют. Также выдвигаются гипотезы о связи расположения шипиков на нейроне и их функционировании. Область исследования формы шипиков и их расположения при различных состояниях и заболеваниях поистине безгранична. Ранее разработанные математические методы и ПО для анализа изображений шипиков с ростом объема данных теряют свою актуальность, так как они лишь упрощают или совершенствуют неточную и долгую ручную обработку таких сложных данных. На сцену выходит искусственный интеллект: нейросетевые методы сегментации дендритов и шипиков, машинная классификация шипиков и дендритов на основе математических метрик, графовые нейронные сети для классификации нейронов. Об этих методиках и перспективах использования их в исследованиях дендритных шипиков расскажем ниже.

Статья на конкурс «Био/Мол/Текст»: Птицы завораживают не только ярким оперением и мелодичными трелями, они — настоящие загадки эволюции, способные решать задачи, которые раньше считались привилегией только приматов. Представьте ворону, мастерящую крючок из проволоки, чтобы достать пищу; или попугая, который считает предметы и различает их по цвету и форме. Выдающиеся когнитивные способности пернатых делают птиц уникальной моделью для изучения эволюции мозга и когнитивных процессов. Их секрет кроется в компактной, но мощной структуре мозга, которая формировалась сотни миллионов лет. В статье пойдет речь о том, как птицы, пройдя сложный эволюционный путь, вдохновили исследователей на открытия в области искусственного интеллекта.

Статья на конкурс «Био/Мол/Текст»: Искусственный интеллект (ИИ) все больше входит в самые разные сферы нашей жизни, включая такую сложную и ответственную, как медицина. И пока биоэтики ведут горячие споры о допустимости использования нечеловеческого интеллекта для спасения человеческих жизней, программисты придумали новое применение ИИ в диагностике — виртуальная гистология. Это новая технология, когда ИИ имитирует результат различных гистологических окрашиваний. Нейросеть анализирует фотографию среза ткани, причем образец может быть как неокрашенным, так и уже обработанным каким-либо красителем. Затем нейросеть генерирует картинку, в точности имитирующую результат нужного химического окрашивания. Таким образом, одно стеклышко превращается в бесконечный источник данных, позволяя врачам видеть невидимые структуры без лишних манипуляций.

Статья на конкурс «Био/Мол/Текст»: Современные белковые языковые модели позволяют по-новому взглянуть на эволюцию белков, рассматривая ее как направленное движение в латентном пространстве последовательностей. В статье разбирается подход evo-velocity, который использует вероятностные оценки языковых моделей для реконструкции направлений и относительной динамики эволюционных изменений без построения филогенетических деревьев. Показано, как метод воспроизводит известные эволюционные траектории вирусов и белковых семейств, какие предпосылки лежат в его основе и какие ограничения следует учитывать при интерпретации результатов. Подход evo-velocity иллюстрирует, что статистика белковых последовательностей содержит информацию не только о структуре и функции, но и о динамике эволюции.

Статья на конкурс «Био/Мол/Текст»: «Рак без начала» — звучит как название научно-фантастической книги, но на самом деле это суровая реальность для многих пациентов. Когда в организме развиваются метастазы, а традиционные методы диагностики не позволяют определить первоисточник, диагноз звучит как приговор — рак неизвестной первичной локализации, или CUP-синдром. Это состояние представляет собой сложную диагностическую задачу, характеризующуюся метастатическими опухолями неустановленного происхождения и неблагоприятным прогнозом. Тем не менее, последние достижения в области искусственного интеллекта открывают новые возможности для диагностики, вселяя надежду на улучшение результатов терапии.

Статья на конкурс «Био/Мол/Текст»: Стремительное развитие технологий компьютерного зрения в последние годы, подпитываемое прогрессом в глубоком обучении и доступностью больших данных, существенно трансформирует многие ключевые процессы в науке, промышленности, медицине и повседневной жизни. Особенно революционна его роль в сферах, где человеческое восприятие является слабым местом, внося субъективность, когнитивные искажения и ошибки, вызванные усталостью. Современные системы на основе нейронных сетей и сложных архитектур не просто анализируют изображения, а понимают их контекст, превосходя человека в скорости, точности и постоянстве. Они обеспечивают автоматический, объективный и мгновенный анализ визуальных данных — от обнаружения и диагностики патологий по рентгеновским снимкам до навигации беспилотных автомобилей и управления «умным» городом. Так компьютерное зрение перестало быть лабораторным узкоспециализированным инструментом, а превратилось в незаменимую технологию для принятия точных и надежных решений в цифровую эпоху, где ценность объективных визуальных данных непрерывно растет.