Vid Centre for Cellular Imaging (CCI) arbetar mikroskopiexperter nu sida vid sida med datavetare för att påskynda implementeringen av Smart Mikroskopi och därmed förbättra stödet till forskare.
Även om Smart Mikroskopi-teknologin har funnits i några år nu, har utvecklingstakten ökat de senaste fem åren.
– Den första generationens smarta mikroskopi kunde analysera bilder och hade förmågan att stanna upp ifall bilderna saknade fokus, och be om nya bilder. Datorer kan nu inte bara be om nya bilder om bildkvaliteten är för låg, utan också föreslå nästa steg i ett pågående experiment. De anpassar sig längs vägen, säger Simon Leclerc, biträdande forskare och mikroskopiexpert vid CCI.
– På lång sikt skulle Smart Mikroskopi potentiellt kunna tillåta forskare och datorer att "diskutera" hur man ska gå vidare med en studie. En annan klar fördel är att datorstödet minimerar risken för bekräftelsebias, fortsätter Simon.
Vid CCI har expertteamet flertalet kompetenser och teammedlemmarna kompletterar varandra när de tar till sig ny teknik och utvecklar Smart Mikroskopi.
– Teknologin bakom Smart Mikroskopi kräver gigantiska databaser, och det skulle vara bra om forskningsfinansiering kunde uppmärksamma det behovet. I framtiden hoppas jag också att näringslivet och universiteten samarbetar nära och övervinner hindren för att dela kunskap, säger Anders Folkesson, forskningsingenjör och datavetare vid CCI.
Datorerna samlar och sammanställer information från vetenskapliga publikationer där smart mikroskopi har varit involverad. Maskininlärning kan dock för närvarande inte ge information om den exakta kontexten bakom en bild, till exempel hur bilden togs eller vilken typ av flourokrom som användes, detaljer som behövs för att dra rätt slutsatser. Språkmodellen kan inte heller identifiera de senaste resultaten, men standardiseringar är på gång. Högkapacitetsdatabaser ger dock mer detaljerad information, vilket i sin tur innebär att språkmodeller kan tränas bättre.
En viktig möjliggörare för utvecklingen av Smart Mikroskopi är därför en hög tillgänglighet av forskningsresultat. Simon håller med Anders om att tillgänglighet är avgörande.
– En nyckelfaktor för framgång för Smart Mikroskopi är att de så kallade FAIR-principerna tillämpas i större utsträckning. FAIR står för Findable, Accessible, Interoperable och Reusable. Kort sagt, att forskningsdata är lätta att hitta och att det finns information om hur man får tillgång till dem. Dessutom att de är kompatibla med andra data och möjliga att återanvända. Att vara mitt i utvecklingen av Smart Mikroskopi och bli medveten om dess potential, så önskar jag också att investeringar i databaser skulle uppmärksammas. På lång sikt är smart mikroskopi beroende av det, på grund av den enorma mängden data som genereras.
