Un nuevo modelo de aprendizaje profundo utiliza el vídeo para identificar las diferentes fases del desarrollo embrionario
Publicado originalmente por University of Plymouth, el 28 de mayo de 2024
Embriones de caracol de un estanque en la Universidad de Plymouth. Crédito: Universidad de Plymouth
Una investigación dirigida por la Universidad de Plymouth ha demostrado que un nuevo modelo de IA de aprendizaje profundo puede identificar qué ocurre y cuándo durante el desarrollo embrionario, a partir de un vídeo.
Publicado en la revista Journal of Experimental Biology, el estudio, titulado "Dev-ResNet: Automated developmental event detection using deep learning", destaca cómo el modelo, conocido como Dev-ResNet, puede identificar la aparición de acontecimientos funcionales clave del desarrollo en caracoles de estanque, como la función cardiaca, el reptado, la eclosión e incluso la muerte.
Una innovación clave en este estudio es el uso de un modelo 3D que utiliza los cambios que se producen entre los fotogramas del vídeo y permite a la IA aprender de estas características, frente al uso más tradicional de imágenes fijas.
Gracias al vídeo, Dev-ResNet detecta de forma fiable características que van desde el primer latido del corazón o el desplazamiento arrastrándose hasta la formación de la concha o la eclosión, y ha revelado sensibilidades de distintas características a la temperatura desconocidas hasta ahora.
Aunque en este estudio se utilizaron embriones de caracol de estanque, los autores afirman que el modelo es ampliamente aplicable a todas las especies, y aportan guiones y documentación completos para aplicar Dev-ResNet en distintos sistemas biológicos.
En el futuro, la técnica podría utilizarse para acelerar la comprensión de cómo el cambio climático y otros factores externos afectan a los seres humanos y los animales.
El trabajo ha sido dirigido por Ziad Ibbini, doctorando en Biología de la Conservación por la Universidad, que se tomó un año sabático para perfeccionarse en el desarrollo de software y comenzar su doctorado.
Delinear los acontecimientos del desarrollo -o averiguar qué ocurre en cada momento del desarrollo temprano de un animal- es todo un reto, pero increíblemente importante, ya que nos ayuda a comprender los cambios en la cronología de los acontecimientos entre especies y entornos".
"Dev-ResNet es una red neuronal convolucional 3D pequeña y eficaz, capaz de detectar acontecimientos del desarrollo a partir de vídeos y que puede entrenarse con relativa facilidad en equipos informáticos de consumo habitual.
Las únicas limitaciones reales residen en la creación de los datos para entrenar el modelo de aprendizaje profundo: sabemos que funciona, solo hay que proporcionarle los datos de entrenamiento adecuados".
"Queremos dotar a la comunidad científica en general de las herramientas que les permitan 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 Future Leaders Research Fellow 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 del Grupo de Investigación de Ecofisiología y Desarrollo, tiene más de 20 años de historia de investigación.
"Este hito no habría sido posible sin el aprendizaje profundo, y es emocionante pensar a dónde nos llevará esta nueva capacidad en el estudio de los animales durante su periodo más dinámico de la vida."
Más información: Dev-ResNet: Automated developmental event detection using deep learning, Journal of Experimental Biology (2024). DOI: 10.1242/jeb.247046
Información sobre la revista: Journal of Experimental Biology
Proporcionado por la University of Plymouth
Comentarios
Publicar un comentario