loader image

LATVIJAS

BIOMEDICĪNAS

PĒTĪJUMU UN STUDIJU CENTRS


BIOMEDICĪNAS PĒTĪJUMI UN IZGLĪTĪBA NO GĒNIEM LĪDZ CILVĒKAM

Projektu līdzfinansē REACT-EU finansējums pandēmijas krīzes seku mazināšanai

Projekta nosaukums: „Orgānu uz čipa kultivēšana ar mākslīgā intelekta metodēm personalizētas medicīnas nolūkos (AImOOC)”

Projekts tiek veikts Eiropas Reģionālā attīstības fonda (ERAF) 1.1.1.1. pasākuma “Praktiskas ievirzes pētījumi” 5. kārtas ietvaros.

Projekta identifikācijas Nr.: 1.1.1.1/21/A/079

Projekta izpildes termiņš: 2022. gada 1. janvāris – 2023. gada 30. novembris

Projekta kopējais finansējums: 500 000,00 EUR

Projekta īstenotājs: Elektronikas un datorzinātņu institūts

Sadarbības partneris: Latvijas Biomedicīnas pētījumu un studiju centrs

Sadarbības partneris: SIA „Cellboxlab”

Projekta zinātniskais vadītājs BMC: Dr. biol. Artūrs Ābols

Projekta kopsavilkums:

Šis projekts ir vērsts uz mašīnmācīšanās algoritma izstrādi, lai uzlabotu pacientu iegūto šūnu kultivēšanu orgānu čipu ierīcēs. Šāda algoritma izstrāde ļautu čipu ierīcēs plašāk izmantot pacientu iegūto materiālu, tādējādi ļaujot zinātniekiem akadēmiskajā vidē un rūpniecībā iegūt reprezentatīvākas modeļu sistēmas. Tāpēc projekta mērķis ir piemērot mašīnmācīšanās (ML) mikrofluidikai, pamatojoties uz atstarotās gaismas mikroskopiju, TEER (Trans Epithelial Electric Resistance) un O2 biosensoru datiem reālā laikā, lai OOC platformā audzētu dažādas šūnu kultūras (ieskaitot tās, kas iegūtas no pacientu paraugiem). Lai sasniegtu šo mērķi, mēs esam definējuši šādus uzdevumus: (1) orgānu čipu šūnu datu ģenerēšana, (2) Atstarotās gaismas mikroskopijas sistēmas izstrāde orgānu čipu uzraudzībai reālā laikā, (3) ML balstīta datora redzes algoritmu izstrāde, lai apstrādātu ģenerētos datus mikrofluidikai, un visbeidzot (4) izstrādātā algoritma apstiprināšana orgānu čipu ierīcēs, izmantojot šūnas, kas iegūtas no pacienta paraugiem. Projekta galvenie rezultāti ir: (1) dati attēlu un sensoru rādījumu veidā, kas nolasīti no plaušu un zarnu šūnu audzēšanas, izmantojot dažādus plūsmas parametrus, (2) kustīgās ass un čipu attēlveidošanas sistēmas izstrāde izmantošanai kultūras kamerā, (3) uz ML balstīta sistēma šūnu kultivēšanas automatizēšanai un visbeidzot (4) no pacientiem iegūto šūnu kultivēšana orgānu čipu sistēmās, ko kontrolē izstrādātais ML algoritms.

Informācija ievietota 03.01.2022.

Projekta progress:

  1. gada 1. janvāris – 2022. gada 31. marts

Šajā pārskata periodā esam izstrādājuši lēmumu koku datu klasifikācijai un izveidojuši pirmos datus par veiksmīgiem un neveiksmīgiem OOC audzēšanas eksperimentiem, lai izstrādātu AI modeļus OOC audzēšanas uzraudzībai. Mēs identificējām iespējamās pieejas sintētisko datu ģenerēšanai AI modeļu apmācībai. Ņemot vērā reālo datu raksturu, visdaudzsološāk pieeja ir sintētisko datu ģenerēšana, ģenerējot vienkāršas ģeometriskas formas un pēc tam tās deformēt. Šobrīd mēs veicam literatūras analīzi par šo tēmu. Mēs esam izpētījuši dažādu kompāniju objektīvus/kameras integrēšanai instrumentā, īpašu uzmanību pievēršot attēla kvalitātes, digitālām iespējām un apgaismojuma apstākļiem. Mēs esam sākuši darbu pie iepirkuma specifikācijas noteikšanas XYZ galdiņam ar piemērotu XY soli nepārtrauktai kanālu novērošanai un Z-soli veiksmīgai automātiskai fokusēšanai. Turklāt šajā laika posmā mēs iesaistījāmies projekta tēmas publicēšanā Rīgas Tehniskās universitātes studentu padomes organizētajā tiešsaistes intervijā Spiikiizi studijā ar nosaukumu “Kas būtu, ja?”.

Informācija publicēta 31.03.2022.

Projekta progress:

  1. gada 1. aprīlis – 2022. gada 30. jūnijs

Šajā pārskata periodā mēs esam izveidojuši papildus 230 attēlus gan plaušu, gan zarnas uz čipa modeļiem, izmantojot gan stabilās, gan primārās šūnu līnijas. Katram attēlam tika sagatavota informācija, par modeļa ID, šūnas tipu, sēšanas blīvumu, attēla laiku, lēmumu (labs, slikts, pieņemams) un artefaktiem. EDI veica literatūras analīzi par jaunākajām pieejām bioloģisko šūnu sintētisko attēlu ģenerēšanai, deformējot vienkāršas ģeometriskas formas. Tika pētīta ģenerējošo tīklu-pretinieku (GAN) izmantošana sintētisku attēlu transformēšanai (tulkošanai) uz reāliem, kas ir nepieciešama, lai padarītu sintētiskos attēlus reālistiskākus. CellboxLabs veica vairāku stundu intervijas ar potenciālajiem gala lietotājiem nozarē par OOC reāla laika mikroskopijas iespēju kombinācijā ar AI, lai apstiprinātu šādas sistēmas nepieciešamību. Turklāt CellboxLabs iegādājās mikroskopus, lai ar tiem sāktu veikt testus. Viņi iegādājās XYZ galda daļas un šobrīd strādā pie XYZ galda dizaina, kas ļautu mums izveidot XYZ kustības sistēmu ar nelielām pozīcijas kļūdām.

Informācija publicēta 30.06.2022.