Как мы можем избавиться от субъективизма в науке, оставив человека в курсе событий?

ОЧЕНЬ ЧЕЛОВЕЧЕСКАЯ ПРОБЛЕМА

Когда ученые, занимающиеся визуализацией, смотрят в микроскоп, они часто сталкиваются с непонятным выбором. Необходимый для выбора конкретных ячеек из сотен, тысяч или миллионов неизбежно возникает субъективный процесс. Из-за нехватки времени и доступности ресурсов вполне вероятно, что у ученого есть время только для того, чтобы выбрать несколько ячеек для каждого условия. Вопрос в том, какие из многих ячеек лучше всего подходят для изображения, чтобы представить проблему?

Субъективность ученых обсуждается в книге «Мыслить быстро и думать медленно» лауреата Нобелевской премии Даниэля Канемана: «Вопреки правилам философов науки, которые советуют проверять гипотезы, пытаясь их опровергнуть, люди (и ученые , довольно часто) ищут данные, которые могут быть совместимы с их убеждениями в настоящее время ». Соответственно, весьма вероятно, что на выбор ученых, занимающихся визуализацией, в какой-то степени неосознанно повлияет их гипотеза или желание их научного руководителя. Цель каждого ученого - разработать прозрачные методы, открытые для критики современниками.

НЕПРЕВЗОЙДЕННАЯ МИКРОСКОПИЯ

Чтобы решить эту проблему смещения в области микроскопии, я разрабатываю системы, которые будут быстро и разумно исследовать клетки, присутствующие на слайде, а затем предоставлять информацию и понимание их общего распределения. Это включает в себя идентификацию клеток с использованием машинного обучения и компьютерного зрения, а также определение характеристик с помощью простых измерений, таких как интенсивность размера, или с помощью более сложных клеточных функций более высокого уровня. Идея состоит в том, что с полным пониманием присутствующих клеток отдельные клетки могут быть выбраны для детального изучения. На рисунке 1 показано, как систематическая ошибка может влиять на эксперимент и как с помощью автоматизации и грубой характеристики ученые могут проводить более надежные эксперименты.

Задача разработки таких технологий состоит в том, чтобы быстро получить изображения большого количества клеток с помощью оборудования, совместимого с различными специальными микроскопами, используемыми в современной исследовательской практике. Кроме того, система должна быть доступна для ученых любого уровня подготовки, а не только для тех, кто разбирается в высокотехнологичном анализе или робототехнике.

В моей недавней статье я описываю систему микроскопии, которая может автоматически находить и отображать клетки, а затем возвращать распределение, основанное на их свойствах: AMCA, алгоритм автоматического управления микроскопом. В этом методе используется обычное микроскопическое оборудование (камера и автоматизированный столик) и специальные компоненты: машинное обучение, компьютерное зрение и дешевые коммерческие транспортные средства.

Ключевые технологии, делающие это дешевым и легкодоступным, - это платы разработки Nvidia Jetson и LattePanda. С такой технологией становится экономически целесообразным, чтобы каждый микроскоп использовался полуавтономно, что экономит время и оптимизирует ресурсы. Jetson предоставляет системе чрезвычайно быструю обработку графическим процессором, а LattePanda обеспечивает поддержку устаревших версий, взаимодействуя со старыми драйверами оборудования для поддержки целого ряда оборудования для микроскопии.

Эту систему можно обучить идентифицировать и отображать ячейки в трехмерном изображении на основе простой двухмерной аннотации ячеек (которая может быть выполнена кем угодно). Аннотации просты и включают рисование ограничивающих рамок вокруг ячеек, но они предоставляют систему, которую можно обучить независимому распознаванию и локализации ячеек на слайде. Хотя создание изображения целого слайда может занять несколько часов, после обучения и проверки система может оставаться без присмотра для изображения ячеек на всем образце ночью или во время обеденного перерыва. После завершения ученый может захотеть проверить производительность алгоритма в определенных областях или перейти в конкретную область и решить, следует ли снимать более подробно. Этот процесс поддерживается с помощью новой системы дополненной реальности, которая позволяет пользователю предварительно просматривать результаты анализа, глядя в бинокль микроскопа (рис. 2). Это первая из когда-либо разработанных систем дополненной реальности для флуоресцентной микроскопии с открытым исходным кодом. Благодаря этой технологии мы поддерживаем ученого в экспериментальном цикле, который необходим для построения доверия и решения проблем.

БУДУЩЕЕ AMCA ET AL

Я стремлюсь расширить возможности системы визуализации, включив в нее динамическую визуализацию в ответ на визуальные подсказки. Например, клетка с необычным внешним видом, возможно, собирается делиться или претерпеть какой-то другой процесс, может быть интересно изучить ее более подробно. Я надеюсь, что моя система сможет определять эти динамические процессы, добавляя важное измерение к своим возможностям. Я надеюсь, что это исследование окажет свое первое значимое влияние на MRC WIMM, и я рад применить эту систему к вашим биологическим вопросам. Я приглашаю вас связаться с вами для сотрудничества и, надеюсь, помочь сделать вашу визуализацию более эффективной и объективной.

Это сообщение в блоге было адаптировано и обновлено на основе оригинального сообщения, написанного Домиником Вайтхом и отредактированным Александрой Престон (группа Drakesmith).