Para los biólogos, la taxonomía de los invertebrados es un proceso complejo. Esto debido a que deben invertir muchas horas en el proceso de recolección de muestras y posteriormente en su clasificación. Ante esta situación, la inteligencia artificial (IA) resulta muy provechosa, pues, podría ayudar clasificar estas criaturas diminutas.
Con base en ello, presentamos “DiversityScanner”, un robot que extrae muestras de insectos para analizarlas de forma personalizada. Primero, las fotografía, luego un algoritmo de aprendizaje automático compara la estructura del cuerpo del insecto con especímenes conocidos.
Meet “DiversityScanner”, the robot that uses machine learning for species discovery: it images, measures, identifies, and moves specimens from Malaise samples into microplates for barcoding; a good companion of “MinION barcodes by everyone, for everyone. https://t.co/Vr1rj1iVbz pic.twitter.com/QykczmshDX
— Rudolf Meier (@RudolfMeier15) May 18, 2021
A través de Twitter, el usuario @RudolfMeier15 nos acerca a “DiversityScanner”. En la publicación, muestra un video donde se observa como el robot “toma imágenes, mide, identifica y mueve especímenes de muestras Malaise a microplacas para códigos de barras”.
La IA utiliza un mapa de calor para identificar las criaturas
Además de fotografiar cada insecto, la inteligencia artificial usa un mapa de calor sobre la imagen para destacar ciertas partes del cuerpo que pueden ayudar a los biólogos a clasificar a los invertebrados. “Cuanto más cálido era el color, digamos, rojo, más dependía” del algoritmo determinar de qué criatura se trataba.
Una vez identificado los insectos, DiversityScanner mueve cada criatura “a una placa con 96 pozos diminutos”. Esto para realizar un secuenciación de ADN –información genética– que se anexará a las imágenes de las muestras tomadas previamente.
Más de 90 por ciento de efectividad
De acuerdo a un estudio publicado en preimpresión bioRxiv, la precisión del programa es de 91.4%. Si bien no es totalmente efectivo, es mucho más rápido que el método manual empleado por los biólogos. Además, se espera que mejore a medida que añadan más imágenes al algoritmo de aprendizaje automático. Al respecto, los investigadores señalan:
“Describimos cómo el robot ‘DiversityScanner’ puede ser un componente clave para abordar y monitorear la diversidad de invertebrados al generar un gran número de imágenes que se convierten en conjuntos de entrenamiento para redes neuronales artificiales a nivel de especie, género o familia, una vez que se clasifican los especímenes fotografiados con códigos de barras de ADN”.
El desarrollo de DiversityScanner es una muestra clara de la aplicabilidad de la IA en la ciencia, específicamente en la biología. En esta área, los algoritmos de aprendizaje automático plantean un análisis de imágenes, diagramas y videos más estructurado y eficaz.