Una ricerca condotta dall'Università di Plymouth ha dimostrato che un nuovo modello di intelligenza artificiale con apprendimento profondo è in grado di identificare cosa accade e quando durante lo sviluppo embrionale, dai video.
Pubblicato nel Journal of Experimental Biology , lo studio, intitolato "Dev-ResNet:Automated Developmental Event Detection Using Deep Learning", evidenzia come il modello, noto come Dev-ResNet, possa identificare il verificarsi di eventi chiave dello sviluppo funzionale nelle lumache di stagno, tra cui la funzione cardiaca, il gattonare, la schiusa delle uova. e perfino la morte.
Un'innovazione chiave in questo studio è l'uso di un modello 3D che sfrutta i cambiamenti che si verificano tra i fotogrammi del video e consente all'intelligenza artificiale di apprendere da queste funzionalità, a differenza dell'uso più tradizionale delle immagini fisse.
L'uso del video fa sì che le caratteristiche che vanno dal primo battito cardiaco, o dal comportamento di scansione, fino alla formazione del guscio o alla schiusa, vengano rilevate in modo affidabile da Dev-ResNet e ha rivelato sensibilità di diverse caratteristiche alla temperatura non nota in precedenza.
Sebbene utilizzato negli embrioni di lumache di stagno per questo studio, gli autori affermano che il modello ha un'ampia applicabilità a tutte le specie e forniscono script e documentazione completi per l'applicazione di Dev-ResNet in diversi sistemi biologici.
In futuro, la tecnica potrebbe essere utilizzata per contribuire ad accelerare la comprensione di come il cambiamento climatico e altri fattori esterni influenzano gli esseri umani e gli animali.
Il lavoro è stato guidato dal Ph.D. candidato, Ziad Ibbini, che ha studiato Biologia della Conservazione all'Università, prima di prendersi un anno per migliorare le proprie competenze nello sviluppo di software, per poi iniziare il dottorato di ricerca. Ha progettato, formato e testato personalmente Dev-ResNet.
Ha affermato:"Delineare gli eventi dello sviluppo, o capire cosa accade nelle fasi iniziali dello sviluppo di un animale, è molto impegnativo, ma incredibilmente importante in quanto ci aiuta a comprendere i cambiamenti nella tempistica degli eventi tra specie e ambienti.
"Dev-ResNet è una piccola ed efficiente rete neurale convoluzionale 3D in grado di rilevare eventi di sviluppo utilizzando video e può essere addestrata con relativa facilità su hardware consumer.
"Le uniche limitazioni reali risiedono nella creazione dei dati per addestrare il modello di deep learning:sappiamo che funziona, devi solo fornirgli i dati di addestramento corretti.
"Vogliamo dotare la comunità scientifica più ampia degli strumenti che consentiranno loro di comprendere meglio come lo sviluppo di una specie è influenzato da diversi fattori, e quindi identificare come possiamo proteggerli. Pensiamo che Dev-ResNet sia un passo significativo verso quella direzione."
Il dottor Oli Tills, autore senior dell'articolo e membro della UKRI Future Leaders Research Fellow, ha aggiunto:"Questa ricerca è importante a livello tecnologico, ma è anche significativa per far avanzare il modo in cui percepiamo lo sviluppo dell'organismo, qualcosa che l'Università di Plymouth, all'interno di il gruppo di ricerca sull'ecofisiologia e lo sviluppo vanta più di 20 anni di storia di ricerca.
"Questo traguardo non sarebbe stato possibile senza il deep learning ed è entusiasmante pensare a dove questa nuova capacità ci porterà nello studio degli animali durante il loro periodo più dinamico della vita."
Ulteriori informazioni: Dev-ResNet:rilevamento automatico degli eventi di sviluppo tramite deep learning, Journal of Experimental Biology (2024). DOI:10.1242/jeb.247046
Informazioni sul giornale: Giornale di biologia sperimentale
Fornito dall'Università di Plymouth