Una scoperta dell’Università dell’Alabama a Birmingham, che utilizza il deep learning per accelerare la valutazione della salute cardiaca nei moscerini della frutta, potrebbe aprire la strada a nuove conoscenze sulle malattie cardiache umane.
Facendo un impressionante passo avanti per la ricerca biomedica, un team dell’Università dell’Alabama a Birmingham (UAB) ha utilizzato la tecnologia di apprendimento profondo per trasformare il modo in cui gli scienziati studiano l’invecchiamento e le malattie cardiache utilizzando i moscerini della frutta, conosciuti scientificamente come Drosophila. Questo progresso tecnologico può accelerare significativamente la ricerca cardiaca e ridurre l’errore umano, promettendo nuove frontiere negli studi sulle malattie cardiache che potrebbero eventualmente portare benefici alla salute umana.
I moscerini della frutta sono da tempo un modello affidabile per la ricerca sulle malattie cardiovascolari umane. Tuttavia, la misurazione delle funzioni cardiache come l’espansione e la contrazione richiedeva tradizionalmente un intervento umano dispendioso in termini di tempo. Guidati da Girish Melkani, professore associato presso il Dipartimento di Patologia dell'UAB, Divisione di Patologia Molecolare e Cellulare, i ricercatori dell'UAB hanno sviluppato un metodo che utilizza l'apprendimento profondo e la microscopia video ad alta velocità per automatizzare queste misurazioni.
“Il nostro metodo di machine learning non è solo veloce; riduce al minimo l'errore umano perché non è necessario contrassegnare manualmente ciascuna parete cardiaca in condizioni sistoliche e diastoliche", ha affermato Melkani in un comunicato stampa. "Inoltre, puoi eseguire le analisi di diverse centinaia di cuori e guardare le analisi una volta completate per tutti i cuori."
Questo approccio sblocca il potenziale per test più approfonditi su come vari fattori ambientali e genetici influenzano l’invecchiamento e la patologia del cuore. Potenziali modelli per studi futuri includono il pesce zebra e i topi che, come i moscerini della frutta, hanno un valore inestimabile per la ricerca cardiovascolare.
“Inoltre, le nostre tecniche potrebbero essere adattate ai modelli di cuore umano, fornendo preziose informazioni sulla salute e sulle malattie cardiache”, ha aggiunto Melkani. “Inoltre, l’approccio dell’apprendimento automatico può prevedere l’invecchiamento cardiaco con elevata precisione”.
La ricerca del team dell'UAB ha testato il modello sia su cuori che invecchiano che su un modello di cardiomiopatia dilatativa del moscerino della frutta, causato dall'abbattimento di un enzima critico, l'ossoglutarato deidrogenasi. Hanno addestrato il loro modello automatizzato utilizzando 54 cuori e lo hanno convalidato con altri 177 cuori, ricreando con successo le tendenze previste dell’invecchiamento cardiaco.
Melkani ha sottolineato che il loro modello potrebbe essere implementato con hardware di livello consumer. Il codice di analisi generato dal team può calcolare una serie di statistiche cardiache vitali, inclusi diametri diastolici e sistolici, accorciamento frazionario, frazione di eiezione, frequenza cardiaca e aritmicità del battito cardiaco.
“Per quanto ne sappiamo, questa piattaforma innovativa per la segmentazione assistita dal deep learning è la prima nel suo genere ad essere applicata alla microscopia ottica standard ad alta risoluzione e ad alta velocità dei cuori di Drosophila, quantificando allo stesso tempo tutti i parametri rilevanti”, ha affermato Melkani.
Questa tecnica pionieristica promette di trasformare il modo in cui i ricercatori studiano la funzione cardiaca nei moscerini della frutta e non solo.
“Automando il processo e fornendo statistiche cardiache dettagliate, apriamo la strada a studi più accurati, efficienti e completi sulla funzione cardiaca nella Drosophila. Questo metodo ha un enorme potenziale – non solo per comprendere l’invecchiamento e le malattie nei moscerini della frutta – ma anche per tradurre queste intuizioni nella ricerca cardiovascolare umana”, ha aggiunto Melanie.
studio, intitolato “Valutazione automatizzata della dinamica cardiaca nei modelli di Drosophila di invecchiamento e cardiomiopatia dilatativa utilizzando l’apprendimento automatico”, è stato pubblicato su Communications Biology.