Использование инновационных решений искусственного интеллекта в вашей лаборатории

Холден Галуша — заместитель редактора Lab Manager. Он был внештатным писателем в Lab Manager, прежде чем его пригласили присоединиться к команде на постоянной основе. Раньше он был...

Искусственный интеллект (ИИ) был распространенной темой в новостном цикле последних месяцев. ИИ, который, по сути, представляет собой способность компьютера имитировать человеческий интеллект, и машинное обучение (МО), разновидность ИИ, которая может автономно повышать точность своих результатов путем «обучения» на наборах данных, потенциально могут перевернуть с ног на голову целые отрасли. Некоторые настроены скептически, полагая, что технология переоценена. Между тем, к удивлению одних и опасениям других, многие полагают, что ИИ станет более крупной революцией, чем Интернет. Одно можно сказать наверняка: поскольку ученые являются новаторами, многие сотрудники лабораторий находят способы включить решения искусственного интеллекта в свои рабочие процессы.

Использование инновационных решений искусственного интеллекта и машинного обучения открыло новые двери в области анализа данных, обработки изображений и лабораторного мониторинга, но при открытии этого ящика Пандоры также возникают серьезные проблемы, которые научному сообществу необходимо решить.

В настоящее время процессы анализа данных, вероятно, предлагают больше всего возможностей для поддержки рабочего процесса вашей лаборатории с помощью искусственного интеллекта и машинного обучения. ИИ особенно хорошо подходит для улучшения анализа. Он может обнаруживать закономерности в данных, которые людям трудно, если вообще возможно, обнаружить. Это приводит к двум основным преимуществам: (1) ИИ может увеличить производительность лаборатории за счет ускорения процесса анализа и (2) ИИ предлагает дополнительный уровень проверки — люди и машины работают в тандеме, проверяя работу друг друга и устраняя любые пробелы.

При анализе данных экспериментов применялись несколько форм ИИ, такие как обработка данных и анализ изображений.

ИИ и МО оказались особенно полезными в аналитических методах, включая хроматографию, масс-спектрометрию и спектроскопию. Производители научного оборудования, такие как METTLER TOLEDO, Agilent Technologies и JEOL, выпустили коммерческие решения искусственного интеллекта, которые расширяют аналитические возможности тех, кто использует эти методы.

Одним из таких решений является программное обеспечение MassHunter компании Agilent. MassHunter — это набор программ, которые облегчают эффективный сбор данных, качественный и количественный анализ, составление отчетов и другие функции, связанные с газовой и жидкостной хроматографией. Летом 2023 года компания Agilent представила новый модуль для MassHunter: AI Peak Integration. Функция AI Peak Integration использует машинное обучение для автоматизации интеграции хроматографических пиков во время анализа данных, сокращая общее время обработки. Пользователи могут самостоятельно обучать модель, выполняя интеграцию вручную, чтобы она могла наблюдать, и она продолжит самообучаться и совершенствоваться.

Аналогичным образом, программное обеспечение JEOL msFineAnasis AI, разработанное для использования с масс-спектрометром JMS-T2000GC AccuTOF GC-Alpha, использует две интегрированные модели искусственного интеллекта для синтеза данных ГХ/электронного удара с высоким разрешением, данных ГХ/мягкой ионизации с высоким разрешением и возможностей структурного анализа для автоматически выводить подробный качественный анализ. По данным JEOL, msFineAnaанализ может проанализировать 100 компонентов за четыре секунды, в то время как опытному аналитику требуется в среднем 30 минут, чтобы проанализировать только четыре компонента. С помощью msFineAnalysis аналитик может значительно расширить свою пропускную способность.

...Но при открытии этого ящика Пандоры возникают и серьезные проблемы, которые научному сообществу предстоит решить.

Наконец, решение AIWizard от МЕТТЛЕР ТОЛЕДО использует нейронную сеть — тип машинного обучения, имитирующий биологический мозг, — для интеллектуальной, автоматизированной оценки тепловых эффектов, измеряемых калориметром прямого сканирования. Сеть предварительно обучена на тысячах точек данных, полученных в результате экспертных оценок. Как и настоящий мозг, сеть будет продолжать учиться и совершенствоваться по мере использования. С помощью AIWizard пользователи могут перенаправить свою энергию на получение информации из данных, оцененных ИИ, экономя время и усилия.

Одной из форм искусственного интеллекта, обычно используемой в лабораториях, является технология анализа и распознавания изображений. Эта технология часто используется для идентификации интересующих элементов на микроскопических фотографиях, медицинских сканированиях, изображениях с камер в реальном времени и т. д. Примером могут служить автоматические счетчики клеток, которые могут независимо подсчитывать клетки в лунках микропланшета. Аналогичным образом, в исследовании 2022 года ученые использовали МО для автоматической идентификации изолированных клеток, что облегчило бы людям задачу их идентификации в процессах биомедицинской инженерии.1