A gente adora apontar como avanços engenhosos se inserem na ciência e tecnologia. Mas as empreitadas não precisam ser do tamanho de um edifício para serem incríveis. Elas podem ocorrer em escala microscópica, em uma conexão entre engenharia e biologia. Apresentamos mais um exemplo da inteligência artificial (IA) atuando no reconhecimento de padrões de imagens.

Um grupo de pesquisadores afiliados ao Google AI, estabeleceu um paralelo entre engenharia e biologia. A equipe mostrou que abordagens de aprendizagem profunda desenvolvidas na indústria da tecnologia podem ser usadas também por biólogos e demais profissionais, inclusive engenheiros, que precisem, eventualmente, de utilizar microscópios para olhar células. A aplicação gerada no projeto foi uma rede neural para examinar imagens de microscopia e extrair informações que os pesquisadores não conseguiram identificar visualmente. Acredite, analisar imagens de microscópio com células sem tratamento é muito difícil.

O desafio de
olhar as células:

Imagens de células sem corantes, obtidas por microscopia de campo claro, não revelam muitos detalhes além do tamanho e da forma geral da célula. Se um pesquisador estiver interessado em um processo biológico particular, ele normalmente usará corantes ou marcadores fluorescentes para procurar estruturas celulares ou moleculares em escala mais fina. Esses reagentes, em geral, custam caro e exigem um preparo criterioso para as lâminas, mas, sem eles, olhar as células e identificar o que interessa é extremamente difícil.

Portanto, visando sanar essa dificuldade, a equipe de pesquisadores
desenvolveu um modelo de computador pudesse aprender a ver esses detalhes sutis
que humanos têm dificuldade de discernir quando analisam amostras não tratadas.

Desempenho do modelo em olhar as células:

Depois de treinamento, durante o qual as redes de aprendizagem profunda foram expostas a pares de imagens marcadas e sem corantes, os modelos foram capazes de diferenciar os tipos de células e identificar estruturas celulares, como núcleos e dendritos.

Como isso é visto (tu dum tss)? Abaixo mostramos as imagens originais, em campo claro com contraste de fase, ao lado das fotos com os marcadores fluorescentes. A terceira coluna mostra as imagens previstas pelo modelo. E para provar a eficiência do negócio, o mapa de erros na última coluna. Não é nada fácil olhar as células não tratadas, não é?

Esse é o tamanho (trocadilho intencional) do poder do deep learning. Desde as necessidades de pesquisa básica, como identificação de tipo de célula, até aplicações de saúde pública e biomédica, modelos sofisticados de machine learning estão mudando a forma como os pesquisadores interagem com os dados visuais.

A relação entre engenharia e biologia:

Se você ainda estiver se perguntando por que um engenheiro
se meteria a biólogo, a gente esclarece:

A engenharia biomédica seria um exemplo claro de como a engenharia, biologia e medicina podem estar atreladas. Nesse cenário, profissionais da engenharia têm de lidar com identificação de células e tecidos. Mesmo trabalhando em equipe, é fundamental estar familiarizado com seu objeto de estudo / trabalho.

Outro exemplo é na engenharia ambiental ou sanitária. Sistemas de desinfecção são concebidos com o objetivo de inativar microrganismos causadores de doenças, de modo que esses patógenos, na figura de um organismo-alvo, passam a ser um parâmetro de dimensionamento ou variável de eficiência de operação. Em alguns casos, sim, é necessário analisar amostras em microscópio e de fato olhar as células.

Mas, de maneira geral, é sempre legal enfatizar que engenheiros
se inserem em outras áreas com o objetivo de encontrar soluções. Nesse
contexto, o potencial da inteligência artificial só se limita à nossa demanda e
imaginação.

Fonte: The Scientist. Cell.

Kamila Jessie

Doutora em Hidráulica e Saneamento pela Universidade de São Paulo (EESC/USP) e Mestre em Ciências pela mesma instituição; é formada em Engenharia Ambiental e Sanitária pelo Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG) com período sanduíche na University of Ottawa, no Canadá; possui experiência em tratamentos físico-químicos de água e efluentes; atualmente, integra o Centro de Pesquisa em Óptica e Fotônica (CePOF) do Instituto de Física de São Carlos (USP), onde realiza estágio pós-doutoral no Biophotonics Lab.