Una investigación dirigida por la Universidad de Plymouth ha demostrado que un nuevo modelo de inteligencia artificial de aprendizaje profundo puede identificar qué sucede y cuándo durante el desarrollo embrionario, a partir de un vídeo.
Publicado en el Revista de Biología Experimental , el estudio, titulado "Dev-ResNet:Detección automatizada de eventos de desarrollo mediante aprendizaje profundo", destaca cómo el modelo, conocido como Dev-ResNet, puede identificar la aparición de eventos funcionales clave del desarrollo en los caracoles de estanque, incluida la función cardíaca, el rastreo y la eclosión. e incluso la muerte.
Una innovación clave en este estudio es el uso de un modelo 3D que utiliza los cambios que ocurren entre fotogramas del vídeo y permite a la IA aprender de estas características, a diferencia del uso más tradicional de imágenes fijas.
El uso de video significa que Dev-ResNet detecta de manera confiable características que van desde el primer latido del corazón o el comportamiento de gateo hasta la formación de la concha o la eclosión, y ha revelado sensibilidades de diferentes características a la temperatura no conocidas anteriormente.
Si bien se utiliza en embriones de caracoles de estanque para este estudio, los autores dicen que el modelo tiene una amplia aplicabilidad en todas las especies y proporcionan scripts y documentación completos para aplicar Dev-ResNet en diferentes sistemas biológicos.
En el futuro, la técnica podría utilizarse para ayudar a acelerar la comprensión de cómo el cambio climático y otros factores externos afectan a los seres humanos y a los animales.
El trabajo fue dirigido por Ph.D. candidato, Ziad Ibbini, quien estudió Licenciatura en Biología de la Conservación en la Universidad, antes de tomarse un año para mejorar sus habilidades en desarrollo de software y luego comenzar su doctorado. Él mismo diseñó, entrenó y probó Dev-ResNet.
Dijo:"Delinear los eventos de desarrollo, o determinar qué sucede en las primeras etapas del desarrollo de un animal, es muy desafiante, pero increíblemente importante, ya que nos ayuda a comprender los cambios en el momento de los eventos entre especies y entornos.
"Dev-ResNet es una red neuronal convolucional 3D pequeña y eficiente capaz de detectar eventos de desarrollo mediante vídeos y puede entrenarse con relativa facilidad en hardware de consumo.
"Las únicas limitaciones reales están en la creación de los datos para entrenar el modelo de aprendizaje profundo; sabemos que funciona, solo hay que proporcionarle los datos de entrenamiento correctos.
"Queremos equipar a la comunidad científica en general con las herramientas que les permitirán comprender mejor cómo el desarrollo de una especie se ve afectado por diferentes factores y así identificar cómo podemos protegerlas. Creemos que Dev-ResNet es un paso importante en esa dirección."
El Dr. Oli Tills, autor principal del artículo y miembro de investigación de Future Leaders del UKRI, añadió:"Esta investigación es importante a nivel tecnológico, pero también es significativa para avanzar en la forma en que percibimos el desarrollo de los organismos, algo que la Universidad de Plymouth, dentro de el Grupo de investigación de Ecofisiología y Desarrollo, cuenta con más de 20 años de trayectoria investigando.
"Este hito no habría sido posible sin el aprendizaje profundo, y es emocionante pensar adónde nos llevará esta nueva capacidad en el estudio de los animales durante su período más dinámico de la vida".
Más información: Dev-ResNet:Detección automatizada de eventos de desarrollo mediante aprendizaje profundo, Journal of Experimental Biology (2024). DOI:10.1242/jeb.247046
Información de la revista: Revista de biología experimental
Proporcionado por la Universidad de Plymouth
