Ein Forschungsteam bei POSTECH unter der Leitung der Professoren Chulhong Kim (Abteilung für Elektrotechnik, Abteilung für Konvergenz-IT-Technik, Abteilung für Maschinenbau, Abteilung für medizinische Wissenschaft und Technik, Graduiertenschule für künstliche Intelligenz) und Jinah Jang (Abteilung für Maschinenbau, Abteilung für Konvergenz-IT-Technik, Abteilung für medizinische Wissenschaft und Technik), zusammen mit dem Doktoranden Eunwoo Park, Dr. Sampa Misra (Abteilung für Konvergenz-IT-Technik) und Dr. Dong Gyu Hwang (Zentrum für 3D-Organdruck und Stammzellen) hat eine Technologie entwickelt, die die Einschränkungen herkömmlicher Bildgebungsmethoden übertrifft und eine stabile und hochpräzise Zellvisualisierung ermöglicht. Ihre Ergebnisse wurden in veröffentlicht Naturkommunikation.
In den Biowissenschaften wird die konfokale Fluoreszenzmikroskopie (CFM) weithin für die Erstellung hochauflösender Zellbilder geschätzt. Es erfordert jedoch eine Fluoreszenzfärbung, die das Risiko einer Photobleichung und Phototoxizität birgt und möglicherweise die untersuchten Zellen schädigt. Umgekehrt ermöglicht die photoakustische Mikroskopie im mittleren Infrarotbereich (MIR-PAM) eine markierungsfreie Bildgebung und bewahrt so die Zellintegrität. Allerdings schränkt die Abhängigkeit von längeren Wellenlängen die räumliche Auflösung ein und macht es schwierig, feine Zellstrukturen präzise darzustellen.
Um diese Lücken zu schließen, entwickelte das POSTECH-Team eine innovative Bildgebungsmethode, die auf erklärbarem Deep Learning (XDL) basiert. Dieser Ansatz wandelt niedrig aufgelöste, markierungsfreie MIR-PAM-Bilder in hochauflösende, virtuell gefärbte Bilder um, die denen von CFM ähneln. Im Gegensatz zu herkömmlichen KI-Modellen bietet XDL eine verbesserte Transparenz durch die Visualisierung des Transformationsprozesses und gewährleistet so sowohl Zuverlässigkeit als auch Genauigkeit.
Das Team implementierte ein Einzelwellenlängen-MIR-PAM-System und entwarf einen zweiphasigen Bildgebungsprozess: (1) Die Auflösungsverbesserungsphase wandelt MIR-PAM-Bilder mit niedriger Auflösung in hochauflösende um und unterscheidet so komplizierte Zellstrukturen wie Zellkerne und filamentöses Aktin, und (2) die virtuelle Färbungsphase erzeugt virtuell gefärbte Bilder ohne fluoreszierende Farbstoffe, wodurch die mit der Färbung verbundenen Risiken beseitigt werden und gleichzeitig die Bildgebung in CFM-Qualität erhalten bleibt. Diese innovative Technologie ermöglicht eine hochauflösende, virtuell gefärbte Zellbildgebung ohne Beeinträchtigung der Zellgesundheit und bietet ein leistungsstarkes neues Werkzeug für die Analyse lebender Zellen und fortgeschrittene biologische Forschung.
Professor Chulhong Kim bemerkte: „Wir haben eine domänenübergreifende Bildtransformationstechnologie entwickelt, die die physikalischen Einschränkungen verschiedener Bildgebungsmodalitäten überbrückt und ergänzende Vorteile bietet. Der XDL-Ansatz hat die Stabilität und Zuverlässigkeit des unbeaufsichtigten Lernens erheblich verbessert.“ Professor Jinah Jang fügte hinzu: „Diese Forschung eröffnet neue Möglichkeiten für die multiplexierte, hochauflösende zelluläre Bildgebung ohne Markierung. Sie birgt ein enormes Potenzial für Anwendungen in der Analyse lebender Zellen und in Krankheitsmodellstudien.“
Diese Forschung wurde durch die Unterstützung des Bildungsministeriums, des Ministeriums für Wissenschaft und IKT, des Korea Medical Device Development Fund, des Korean Fund for Regenerative Medicine, des Korea Institute for Advancement of Technology (KIAT) und der Artificial Intelligence Graduate School ermöglicht Programm (POSTECH), BK21 FOUR und das Glocal University 30 Project.
