Forradalom a digitális képelemzésben

Legyen szó akár orvosi diagnosztikáról, akár az élettudományok bármely területén végzett mikroszkópos analízisről, a digitális felvételek minőségét – és ebből adódóan az értékelés pontosságát – jelentősen befolyásolja az optikai torzítás, amely minden digitális kép sajátja. A leggyakrabban alkalmazott korrekciós eljárások mindegyikének megvan a maga hátránya, és a valós képet közel tökéletesen visszaadó képminőség létrehozására az eddig ismert módszerek egyike sem képes. Az MTA Szegedi Biológiai Kutatóközpontjában dolgozó dr. Horváth Péter és nemzetközi kutatócsoportja olyan képkorrekciós eljárást dolgozott ki, amely a mikroszkópos képalkotás minden típusára alkalmazható, és így forradalmasíthatja például az orvosi diagnosztikát, de más módszerekkel összekapcsolva a terápiás döntéshozatalt is javíthatja. Közleményük néhány napja jelent meg a nemzetközi módszertani folyóiratok legrangosabb képviselőjének számító Nature Methods (2013. évi impakt faktora: 25,95) honlapján.

– A hírek szerint világszenzációnak számít az Ön és kutatócsoportja által kidolgozott módszer, és az ezt alkalmazó szoftver.

– Valóban komoly eredményt értünk el a digitális képelemzés területén, bár a dolog lényege elképesztően egyszerű. Abból az általánosan ismert tényből indultunk ki, hogy ha fényképezőgéppel készítünk egy képet, akkor az optika miatt a kép sarkai sötétebbek lesznek, mint a közepe. Ez a torzítás éppúgy megjelenik a drága fényképezőgépekkel készült képeken, mint az orvosi képalkotó eszközök felvételein – főleg a mikroszkópok, de lényegében bármilyen képalkotó eszköz esetében. A probléma az, hogy a kvantitatív méréseket ez a torzítás nagymértékben befolyásolja. Vegyünk például egy daganatos sejtkultúrát, amelyen gyógyszerhatást tesztelünk, és arra vagyunk kíváncsiak, hogy hány daganatos sejt éli túl a kezelést. Ha a torzítás benne van a képben, a felvétel közepén túlbecsüljük, a kép szélein pedig alulbecsüljük a sejtszámot, ami jelentősen torzíthatja a kvantitatív meghatározást és így az ebből levont következtetéseket.

– Mennyire ismert ez a probléma a tudományos világban?

– Az érdekesség az, hogy míg szűk szakmai körökben a képi torzítás jelensége égető problémának számít – amit az erre irányuló korábbi kutatások és a létező korrekciós eljárások kidolgozása is jól szemléltet –, addig a tágabb értelemben vett szakma viszonylag keveset tud erről. Amikor három évvel ezelőtt, még a Zürich-i Egyetem berkeiben elkezdtem ezzel a témával foglalkozni egy fiatal olasz bioinformatikus kutató kolléga révén, végeztünk egy felmérést – részben az ez irányú ismeretek felmérése, részben a probléma tudatosítása céljából. A kérdőívet kiküldtük a világ vezető laborjaiban dolgozó kollégáknak, ahol elég jó fogadtatásra talált. A visszaküldött mintegy 300 válaszból sok minden kiderült, köztük az, hogy a képfeldolgozással és -elemzéssel foglalkozó kutatók több mint felének fogalma sincs arról, hogy a mikroszkópiában az optikai torzítás igen komoly problémát jelent. Arról pedig, hogy ez különféle módszerekkel kezelhető, már egészen kevés ember hallott, ami meggyőzött minket, hogy érdemes ezzel a témával foglalkozni. Hosszú távon a célunk az, hogy a biológiai képalkotást fejlesszük, és ezáltal profitáljon belőle a világ, amire a Nature Methods által közölt tanulmányunk jó alapot ad, mert egy ilyen cikkre bizonyára felfigyel a szakma.

– A közleményből kitűnik, hogy az Önök által kidolgozott CIDRE eljárás messze pontosabb, mint a létező egyéb képkorrekciós módszerek.

– A miénkhez hasonlóan retrospektíven alkalmazható képkorrekciós eljárások egyike sem képes a képminőség jelentős javítására, az arany standardnak számító prospektív módszerek hátránya pedig a referenciafelvétel szükségessége, ami sok esetben gátat szab az alkalmazhatóságnak. Az általunk kifejlesztett CIDRE (corrected intensity distributions using regularized energy minimization) egy úgynevezett energiaminimalizációs módszerrel korrigálja a képi intenzitáseloszlásokat retrospektív módon. Előnye, hogy nem igényel kalibrációs referenciát, és már 5-6 kép alapján képes visszaállítani az eredeti minőséget. Mindezt lényegében úgy, hogy modellezzük az optikai útvonal és a kamera torzítását, és feltételezzük, hogy az objektumok a kép minden egyes pontján azonos valószínűséggel jelennek meg. A CIDRE gyakorlatilag mindenféle képalkotási módszerrel működik, legyen szó akár a legújabb szuperrezolúciós mikroszkópról vagy a mindennapos fényképezésről, és messze pontosabb, mint a jelenleg etalonnak számító képkorrekciós metódusok. Az eredmények közlése előtt rendkívül nagyszámú összehasonlítást elvégeztünk – lényegében a létező összes egyéb módszerrel, a létező összes mikroszkópiával és a különfélébb adathalmazokon, köztük daganatos képeken, agykutatási képeken, sejtkultúrákról készült felvételeken, és konzekvensen azt láttuk, hogy az eljárás stabilan működik és számottevően javítja a kvalitatív értékelést.

Egérveséről, élesztősejtekről és HeLa daganatos sejtekről készült mikroszkópos felvételek korrekció előtt (felső sor) és után (alsó sor). Látható, hogy a korrekció előtti egyenlőtlen illumináció jelentősen rontja a képminőséget és a kvantitatív mérések eredményét: a daganatos sejttenyészeten számlált sejtszám korrekció előtt 306, korrekció után 482; a hibásan detektált sejtek száma korrekció előtt 180, korrekciót követően 4.
A felvételeket dr. Horváth Péter bocsátotta rendelkezésünkre.

 – Várható-e a CIDRE gyakorlati alkalmazásának elterjedése, és ha igen, milyen speciális eszköz- és szaktudásigénye lesz ennek?

– Reményeink szerint igen: elsősorban kutatási céllal, de a képalkotó diagnosztikában, és ezen keresztül a terápiás döntéshozatalban is helyet kaphat. Éppen ezért az általunk írt szoftver nagyon egyszerűen használható és az általánosan elterjedt biológiai képfeldolgozó programok mindegyikébe könnyedén beintegrálható, így bővebb informatikai háttérismeretek és speciális eszközigény nélkül alkalmazható. Kutatási célokra a szoftver ingyenesen hozzáférhető. A diagnosztikai képkészítésre alkalmas berendezést gyártó cégek számára is érdekes lehet, mert bármilyen orvosi képalkotó berendezésbe beépíthető – erre természetesen megvannak a licenszek. A módszer további előnye, hogy költséget gyakorlatilag nem növel, csak pontosságot és hatékonyságot, mert képenként kevesebb, mint 1 másodperc alatt futtatható le, így alig néhány perc alatt nagyságrendileg tízezer kép korrekciójára képes.

– Kapcsolódnak-e a témához további kutatások?

– Informatikai értelemben igen. Az intézetünkben folyó kutatások talán legizgalmasabbika az egyes sejtek szerepének vizsgálata különféle betegségekben. Ennek során például a daganatos betegségek esetében részletesebb elemzésnek vetjük alá a tumoros őssejteket, vagy azt próbáljuk megmondani, hogy a tumor kifejlődése során fellépnek-e újabb mutációk. Más területen, például egy neurodegeneratív betegségben arra vagyunk kíváncsiak, hogy az agy különböző régióiban vannak-e DNS- vagy RNS-szintű különbségek. E kérdések megválaszolására kidolgoztunk egy olyan módszert, amely kétféle mikroszkópiát kombinál: az egyik egy nagyon nagy áteresztőképességű, ún. high-throughput mikroszkópia, amely egy óra alatt kb. 20 ezer, jól analizálható képet készít egy adott mintáról, amiket utána mesterséges intelligenciával automatikusan tudunk elemezni és értékelni.
A képelemzés során meg tudunk találni olyan egyedi sejteket (például őssejteket), amik adott jellemző tulajdonságot magukon hordanak, majd egy másik mikroszkóp segítségével ki tudjuk a mintából nyerni ezeket a különleges sejteket, amiket így meg lehet szekvenálni és ezzel részletes genetikai információhoz juthatunk. E kutatásaink jelenlegi stádiumában a tumor különböző pontjairól tudunk mintát venni, és abból meg tudjuk például mondani, hogy adott onkogéneken milyen elváltozások vannak vagy valóban jelen vannak-e bizonyos mutációk. A módszer gyakorlati felhasználásának lehetőségei rendkívül szerteágazóak, kezdve egy-egy terület célzott gyógyszeres befolyásolásától, adott sejtek tenyésztéséig és célzott vizsgálatáig. Másik fontos témaként a 3 dimenziós sejttenyésztés vizsgálataiban használható 3D képkészítés és 3D képelemzés módszereinek kidolgozására fókuszálunk, ami szintén rendkívül kurrens témának számít. Napjainkban ugyanis a gyógyszervizsgálatokban egyre nagyobb problémát jelent, hogy asejtvonalakon tesztelt gyógyszerhatások jelentősen eltérnek attól, ahogyan a szervezetbe juttatott gyógyszer viselkedik, és ezért egyre nagyobb az igény az emberi szervezethez hasonló tesztkörnyezetek kidolgozása és analizálhatósága iránt. Ennek egy lehetséges módja, ha 3 dimenziós környezetbe szervezzük a sejteket, ami sokkal jobban modellezi a sejtek fiziológiás viselkedését. A 3D tenyészetek leegyszerűsített elemzése, és a sejtek viselkedésének, morfológiai változásainak 3D környezetben történő vizsgálata azonban messze nem megoldott. Erre fejlesztünk módszereket, és igyekszünk az EU figyelmét is felhívni arra, hogy ez egy olyan égető probléma, ami világszinten akadályozza a gyógyszerkutatást. Kutatásaink harmadik – és az orvosokat talán legjobban érdeklő – iránya a mesterséges intelligencia és a képalkotás–képfeldolgozás kombinálása a diagnosztika fejlesztése céljára. Azt vizsgáljuk, hogy a mesterséges intelligencia felhasználásával meg tudjuk-e tanulni egy patológus, onkológus vagy biológus kutató döntéseit, és tudjuk-e azokat automatikusan alkalmazni egy mikroszkópos képre. Kutatásainkban a hagyományostól eltérő megközelítést alkalmazunk, vagyis nem a patológus kezdi el tanítani a gépet, hanem a gép kérdez (például: ez a régió milyen? ez a sejt valamiért különlegesebb-e a többinél?), és ezzel a gép rá tud világítani azokra a területekre, amik a legrészletesebb információkat hordozzák. Azokra a területekre koncentrálunk, amikről nem lehet könnyen egyértelmű döntést hozni, ahol kell az emberi szaktudás, és a kapott válaszok alapján még intelligensebb kérdésfeltevésekkel igyekszünk tovább finomítani az analízist, végső soron pedig a diagnosztikát gyorsítani megbízható informatikai megoldásokkal.