Los investigadores han reutilizado un algoritmo desarrollado originalmente para la competencia de predicción de preferencias de películas de Netflix en 2009 para crear un método para adquirir imágenes clásicas de espectroscopía Raman de tejidos biológicos a velocidades sin precedentes. El avance podría hacer que lo simple Método de obtención de imágenes sin etiquetas práctico para aplicaciones clínicas como la detección de tumores o el análisis de tejidos.

En Optica , La revista de la Optical Society para investigaciones de alto impacto, un grupo multiinstitucional de investigadores informa que un enfoque de imágenes computacionales conocido como imágenes de compresión puede aumentar la velocidad de las imágenes al reducir la cantidad de datos espectrales Raman adquiridos. Demuestran velocidades de imagen de unas pocas decenas de segundos para una imagen que normalmente tardaría minutos en adquirir y dicen que las implementaciones futuras podrían alcanzar velocidades inferiores a un segundo.

Los investigadores lograron esta hazaña al adquirir solo una parte de los datos que normalmente se requieren para la espectroscopia Raman y luego completar la información faltante con un algoritmo desarrollado para encontrar patrones en las preferencias de películas de Netflix. Si bien el algoritmo no ganó el premio de $ 1 millón de Netflix, se ha utilizado para satisfacer otras necesidades del mundo real, en este caso, la necesidad de mejores imágenes biológicas.

"Aunque ya se han informado acerca de los enfoques de compresión Raman, no se pueden utilizar con tejidos biológicos debido a su complejidad química, "dijo Hilton de Aguiar, líder del equipo de investigación de la École Normale Supérieure en Francia. "Combinamos imágenes de compresión con algoritmos informáticos rápidos que proporcionan el tipo de imágenes que los médicos utilizan para diagnosticar a los pacientes, pero de forma rápida y sin laboriosos posprocesos manuales ".

Captura de procesos biomédicos

La espectroscopia Raman es una técnica no invasiva que no requiere preparación de muestras para determinar la composición química de muestras complejas. Aunque ha demostrado ser prometedor para identificar células cancerosas y analizar tejidos en busca de enfermedades, normalmente requiere velocidades de adquisición de imágenes que son demasiado lentas para capturar la dinámica de las muestras biológicas. El procesamiento de la enorme cantidad de datos generados por imágenes espectroscópicas también requiere mucho tiempo, especialmente al analizar un área grande.

"Con la metodología que desarrollamos, abordamos estos dos desafíos simultáneamente:aumentar la velocidad e introducir una forma más sencilla de adquirir información útil a partir de las imágenes espectroscópicas, "dijo de Aguiar.

Optimización de la velocidad

Para acelerar el proceso de obtención de imágenes, los investigadores hicieron que su sistema Raman fuera más compatible con el algoritmo. Lo hicieron reemplazando las costosas y lentas cámaras utilizadas en configuraciones convencionales con un dispositivo de microespejos digitales rápido y barato conocido como modulador de luz espacial. Este dispositivo selecciona grupos de longitudes de onda que son detectadas por un detector de un solo píxel altamente sensible, comprimiendo las imágenes a medida que se adquieren.

"Un modulador de luz espacial muy rápido hizo posible adquirir imágenes y omitir bits de datos muy rápidamente, "dijo de Aguiar." El modulador espacial de luz que usamos es órdenes de magnitud menos costoso y más rápido que otras opciones en el mercado, haciendo que la configuración óptica general sea barata y rápida ".

Los investigadores demostraron su nueva metodología utilizando un microscopio Raman para obtener imágenes espectroscópicas de tejido cerebral y células individuales. ambos exhiben una alta complejidad química. Sus resultados mostraron que el método puede adquirir imágenes a velocidades de unas pocas decenas de segundos y lograr un alto nivel de compresión de datos, reduciendo los datos hasta 64 veces.

Los investigadores creen que el nuevo enfoque debería funcionar con la mayoría de las muestras biológicas, pero planean probarlo con más tipos de tejidos para demostrarlo experimentalmente. Además de las herramientas clínicas, el método podría ser útil para aplicaciones biológicas como la caracterización de algas. También quieren mejorar la velocidad de escaneo de su sistema para lograr la adquisición de imágenes en menos de un segundo.