Un ponte tra Intelligenza Artificiale/Machine Learning e l’analisi delle bioimmagini
Il progetto AI4FLIFE lanciato oggi rappresenta un nuovo ed emozionante capitolo per le comunità di ricerca computazionale e delle scienze della vita. L’iniziativa, finanziata da Horizon Europe con 4 milioni di euro, mira a creare strumenti e metodi di intelligenza artificiale accessibili, armonizzati e interoperabili per risolvere gli attuali problemi di analisi delle immagini in microscopia..
Il divario
L’avvento dell’apprendimento automatico (machine learning – ML) ha rivoluzionato la ricerca di frontiera nelle scienze della vita. Tuttavia, l’accesso a questi nuovi metodi non è scontato. La difficoltà ad accedere a hardware, software e alle competenze necessarie, unito a metodi non sufficientemente documentati, può impedire ai ricercatori delle scienze biologiche di sfruttare appieno le potenzialità di questi strumenti. Mentre i moderni sistemi di intelligenza artificiale (IA) generalizzano bene i dati non osservati, non esiste uno standard per la condivisione e la messa a punto di modelli pre-addestrati tra diversi sistemi di analisi. Ad aggravare il problema, le attuali piattaforme disponibili operano in modo del tutto indipendente, spesso senza rispettare gli standard FAIR o le regole dell’Open Science. Infine, il ritmo vertiginoso a cui vengono sviluppati i nuovi metodi di intelligenza artificiale e machine learning rende impossibile per i non addetti ai lavori rimanere aggiornati. Per fare ricerca d’avanguardia nel campo delle scienze della vita, sono quindi necessari servizi ed infrastrutture che mirino a risolvere questi problemi.
1 FAIR: Findable, Accessible, Interoperable, Reusable. https://doi.org/10.1038/sdata.2016.18
Il ponte
Il consorzio, composto da 10 partner, costituirà un archivio aperto, accessibile e comunitario di modelli di intelligenza artificiale addestrati in base a FAIR e svilupperà servizi per condividere questi modelli con ricercatori delle scienze della vita, inclusi quelli con competenze computazionali. AI4LIFE fornirà un supporto diretto e attività di formazione per preparare gli scienziati della vita ad un uso responsabile dei metodi di intelligenza artificiale. Inoltre, AI4LIFE promuoverà i contributi della comunità per la creazione di nuovi modelli e l’interoperabilità tra gli strumenti di analisi esistenti. AI4LIFE si occuperà inoltre di facilitare le call aperte e le challenge pubbliche volte a fornire soluzioni all’avanguardia ai problemi irrisolti di analisi delle immagini in ambito life science.
AI4LIFE unisce esperti di intelligenza artificiale e machine learning, sviluppatori di strumenti di analisi immagini open source, fornitori di servizi di archiviazione e calcolo a livello europeo e infrastrutture di ricerca europee nell’ambito life science. L’obiettivo comune è quello di permettere ai ricercatori delle scienze della vita di poter beneficiare dell’enorme potenzialità ancora non del tutto sfruttata dei metodi di analisi basati sull’intelligenza artificiale.
Gli obiettivi principali
- Democratizzare la disponibilità di metodi di analisi delle immagini basati sull’intelligenza artificiale
- Stabilire standard per la presentazione, l’archiviazione e l’accesso FAIR
- Distribuzione, condivisione e diffusione dei modelli attraverso un nuovo servizio per sviluppatori
- Organizzare call e challenge aperte per problemi di analisi delle immagini
- Potenziamento delle piattaforme di analisi immagini comuni con l’integrazione dell’intelligenza artificiale
- Organizzazione di eventi di formazione e sensibilizzazione
Il team
Il team multidisciplinare di esperti in scienze computazionali e della vita e tre infrastrutture di ricerca europee.
Seguite il lavoro di AI4LIFE su Twitter @AI4Lifeteam e consultate il sito web di AI4LIFE per maggiori informazioni.
Condividi:
Ti potrebbe anche interessare:
-
Italia al centro del progetto Genome of Europe
Lo Human Technopole di Milano, ELIXIR Italia, il nodo nazionale dell’infrastruttura di ricerca europea per le scienze della vita coordinato dal Consiglio Nazionale delle Ricerche (CNR), e il Centro Cardiologico Monzino, come centro coordinatore italiano, sono stati selezionati come partner italiani di Genome of Europe (GoE), il più grande progetto genomico finanziato dall’Unione Europea, che […]
-
Human Technopole vince l’Oscar di Bilancio 2024
Venerdì 13 dicembre, a Palazzo Mezzanotte a Milano, il “Report integrato 2023” della Fondazione Human Technopole ha ricevuto l’Oscar di Bilancio nella categoria imprese sociali e organizzazioni no profit. A ritirare il premio, il Presidente Gianmario Verona, Elena Trovesi, Head of Administration, e i curatori del progetto Giovanni Selmi, Head of Finance, e Alessandro Cavallari, […]
-
Organoidi-mosaico per studiare il cervello di più pazienti contemporaneamente
Un team internazionale di scienziati di Human Technopole e dell’Università degli Studi di Milano ha sviluppato e verificato l’efficacia di un approccio innovativo per studiare lo sviluppo del cervello umano di più individui contemporaneamente in singoli organoidi, modelli che riproducono in laboratorio i principali processi cellulari del neurosviluppo umano. La ricerca apre la strada a studi di popolazione in vitro. Nel portare avanti la ricerca, gli scienziati hanno inoltre sviluppato un nuovo metodo computazionale per quantificare, in maniera più accurata rispetto ai metodi attuali, l’identità genetica delle singole cellule profilate da più individui contemporaneamente. La pubblicazione su Nature Methods.
-
La morfologia delle staminali predice crescita e resistenza del glioblastoma
Alcuni ricercatori di Human Technopole, a Milano, hanno identificato il gene adducina-γ (ADD3) quale regolatore cruciale della morfologia delle cellule staminali del glioblastoma e delle connessioni tra le cellule tumorali. Queste connessioni permettono alle cellule tumorali di condividere risorse, sfuggire alla chemioterapia e sopravvivere in condizioni difficili. Lo studio è stato sostenuto da Fondazione AIRC per la ricerca sul cancro e i risultati sono stati pubblicati sulla rivista Life Science Alliance.
-
Cancro colorettale: predizioni di risposta al Cetuximab più efficaci con il machine learning
Uno studio internazionale coordinato dallo Human Technopole, dall’Istituto Candiolo IRCCS di Torino, dall’Università di Torino e dal Wellcome Sanger Institute di Cambridge (UK) ha svelato alcuni fattori associati alla risposta terapeutica nel cancro al colon-retto e ha permesso di sviluppare un modello di machine-learning in grado di prevedere con precisione gli effetti del cetuximab (un farmaco di uso corrente) sui vari sottotipi di questo tumore. I risultati dello studio, sostenuto da Fondazione AIRC, pongono le basi per l’identificazione di caratteristiche molecolari che potrebbero essere utilizzate in futuro come “biomarcatori” per predire la risposta al trattamento nei pazienti affetti da questo tipo di cancro.