PDF Basket
La IA tiene un gran potencial en el campo de las ciencias biológicas, desde el descubrimiento y desarrollo de fármacos hasta la medicina personalizada. Pero gran parte de ese potencial sigue sin aprovecharse del todo ya que, con frecuencia, la complejidad técnica y la falta de datos normalizados obstaculizan la integración de la IA.
En el proyecto AI4LIFE, coordinado por Dorothea Dörr, gestora de proyectos científicos en Euro-BioImaging (Finlandia), se abordan de frente estos escollos. «Implantar y utilizar modelos de IA suele requerir conocimientos avanzados en programación, métodos de aprendizaje automático e, incluso, infraestructuras informáticas, de los que suelen carecen muchos biólogos —comenta Dörr—. Esta brecha del conocimiento impide a muchos investigadores sacar el máximo partido a la IA».
En AI4LIFE se están creando plataformas de fácil uso que hacen que las herramientas de IA y los conjuntos de datos sean accesibles incluso para aquellos sin experiencia en las ciencias de la computación. Estas plataformas facilitarán el análisis de las imágenes biológicas como, por ejemplo, el examen microscópico de muestras de tejidos. Los sistemas permiten a los investigadores aprovechar la IA para tareas complejas como la segmentación, la detección de objetos y la extracción de características.
En concreto, el proyecto se centra en el principio de datos FAIR (localizables, accesibles, interoperables y reutilizables) para conjuntos de datos y modelos de imágenes listos para la IA. «Para que la IA sea eficaz en las ciencias de la vida, los conjuntos de datos que se utilicen para entrenar los modelos de IA no solo deben ser grandes y de alta calidad, sino también FAIR y estar preparados para la IA», explican Anna Kreshuk y Florian Jug, coordinadores científicos del proyecto.
Ello significa que los datos se deben formatear, depurar y etiquetar hasta el punto de que puedan utilizarse fácilmente para entrenar un nuevo modelo de IA o fundamentar uno ya existente. Con este fin, en AI4LIFE se ha desarrollado una norma para la anotación de conjuntos de datos de imágenes listos para la IA. Se prevé que, de este modo, se promueva la colaboración y la reutilización, al tiempo que se reduzca la necesidad de que los investigadores vuelvan a procesar los datos, lo que reduce el tiempo de cálculo.
Colaboración y ciencia abierta
El consorcio AI4LIFE está comprometido con el desarrollo de BioImage Model Zoo: un repositorio comunitario de modelos FAIR compatibles con IA para el análisis de imágenes biológicas. «Los modelos de lA de AI4LIFE se desarrollan en colaboración con especialistas en ciencias biológicas y expertos en IA —explican Kreshuk y Jug—. Esto garantiza que sean punteros y estén adaptados a las necesidades reales de la investigación en biología».
El repositorio no solo permite a los científicos acceder a modelos entrenados con anterioridad que pueden aplicarse utilizando herramientas populares de análisis de imágenes, sino que también les anima a aportar los suyos propios, lo cual favorece la creación de un ecosistema dinámico de herramientas que se pueden reutilizar y adaptar en diversos ámbitos de investigación.
El carácter abierto y colaborativo de la iniciativa se demuestra además a través de sus casos de uso innovadores. Uno de ellos es el programa «Open Calls», en el que AI4LIFE ofrece apoyo al análisis de imágenes basado en el aprendizaje profundo y diseñado para responder a necesidades de investigación concretas. Este programa ya ha ayudado a automatizar tareas complejas que, de otro modo, requerirían mucha mano de obra, lo cual permite a los investigadores centrarse más en interpretar los datos biológicos que en lidiar con los detalles técnicos. «Gracias al aprendizaje profundo, los investigadores pueden analizar conjuntos de datos grandes y complejos con mayor precisión y eficiencia», observan Kreshuk y Jug, que recalcan el aumento del rendimiento posibilitado por AI4LIFE.
Otro caso destacado del proyecto es el «Denoising Challenge», una competición abierta para desarrollar los mejores métodos de IA para optimizar la calidad de las imágenes de microscopía. La competición permite a los desarrolladores perfeccionar sus métodos y ofrece a los científicos una mejor perspectiva de las herramientas disponibles más eficaces. Ello no solo fomenta la innovación, sino que además mejora la visibilidad de innovaciones punteras y promueve su adopción por parte de toda la comunidad científica.
Garantizar la repercusión a largo plazo
Más allá del desarrollo de modelos de IA, el proyecto AI4LIFE está muy implicado en la participación y la divulgación ciudadana a fin de aumentar la repercusión de sus innovaciones. «En el proyecto se está llevando a cabo una amplia labor de difusión y se imparten sesiones de formación y presentaciones para investigadores en ciencias biológicas», explica Dörr. De esta forma se garantiza que investigadores de todos los niveles adquieran las competencias necesarias para integrar la IA en su labor.
Además, en AI4LIFE se promueve la transparencia publicando periódicamente los resultados de las investigaciones de su equipo en revistas de acceso abierto y presentando sus hallazgos en simposios internacionales. Este planteamiento de ciencia abierta favorece que otros científicos puedan emplear los modelos de AI4LIFE, lo cual amplía la repercusión del proyecto.
Por último, la colaboración del equipo del proyecto con AI4EOSC está contribuyendo a aplicaciones novedosas para las infraestructuras europeas. La integración de los modelos de IA en los marcos de la Nube Europea de la Ciencia Abierta facilitará su accesibilidad y escalabilidad, mientras que el establecimiento de asociaciones con la industria garantizará que las innovaciones de AI4LIFE beneficien no solo a la investigación científica, sino también las aplicaciones prácticas en diferentes sectores.
Al facilitar el acceso a la IA, fomentar la colaboración y adherirse a los principios de la ciencia abierta, AI4LIFE está sentando las bases para posibilitar avances revolucionarios en la investigación en ciencias biológicas en Europa. Tal y como señala Dörr: «La adhesión a los principios FAIR garantiza que los modelos de IA se puedan reutilizar y adaptar fácilmente por otros investigadores para sus propios datos, ampliando así el alcance del proyecto». Gracias a sus actividades, en AI4LIFE se promueve una nueva era en la que las herramientas de IA no solo están a la última, sino que además sean accesibles para todo el mundo, sin importar los conocimientos técnicos que cada uno tenga.