Sfrutta soluzioni IA innovative nel tuo laboratorio

Holden Galusha è il redattore associato di Lab Manager. È stato uno scrittore freelance per Lab Manager prima di essere invitato a unirsi al team a tempo pieno. In precedenza, era il...

L’intelligenza artificiale (AI) è stata un tema prevalente nel ciclo di notizie negli ultimi mesi. L’intelligenza artificiale, che è essenzialmente la capacità di un computer di imitare l’intelligenza umana, e l’apprendimento automatico (ML), un sottoinsieme dell’intelligenza artificiale che può migliorare la precisione dei suoi risultati in modo autonomo “addestrandosi” su set di dati, hanno il potenziale per sconvolgere interi settori. Alcuni sono scettici, pensando che la tecnologia sia sopravvalutata. Nel frattempo, con stupore di alcuni e apprensione di altri, molti credono che l’intelligenza artificiale sarà una rivoluzione più grande di Internet. Una cosa è certa: secondo la natura pionieristica degli scienziati, molti professionisti di laboratorio stanno trovando modi per incorporare soluzioni di intelligenza artificiale nei loro flussi di lavoro.

Lo sfruttamento di soluzioni innovative di intelligenza artificiale e machine learning ha aperto nuove porte nell'analisi dei dati, nell'elaborazione delle immagini e nel monitoraggio di laboratorio, ma nell'aprire questo vaso di Pandora si presentano anche sfide significative che la comunità scientifica deve affrontare.

Attualmente, i processi di analisi dei dati offrono probabilmente le maggiori opportunità per rafforzare il flusso di lavoro del tuo laboratorio con AI/ML. L’intelligenza artificiale è particolarmente adatta per migliorare l’analisi. Può rilevare modelli nei dati che sono difficili, se non impossibili, da rilevare per gli esseri umani. Ciò si traduce in due vantaggi principali: (1) l’intelligenza artificiale può aumentare la produttività del laboratorio accelerando il processo di analisi e (2) l’intelligenza artificiale offre un ulteriore livello di ispezione: esseri umani e macchine lavorano in tandem per controllare il lavoro degli altri e colmare eventuali lacune.

Diverse forme di intelligenza artificiale sono state applicate nell'analisi dei dati degli esperimenti, come l'elaborazione dei dati e l'analisi delle immagini.

L'intelligenza artificiale e la machine learning si sono dimostrate particolarmente utili nelle tecniche analitiche tra cui cromatografia, spettrometria di massa e spettroscopia. I produttori di strumentazione scientifica come METTLER TOLEDO, Agilent Technologies e JEOL hanno lanciato sul mercato soluzioni di intelligenza artificiale che migliorano le capacità analitiche di coloro che utilizzano queste tecniche.

Una di queste soluzioni è il software MassHunter di Agilent. MassHunter è una suite di programmi che facilitano la raccolta efficiente dei dati, l'analisi qualitativa e quantitativa, la creazione di report e altre funzioni coinvolte nella cromatografia gassosa e liquida. Nell'estate del 2023, Agilent ha presentato un nuovo modulo per MassHunter: AI Peak Integration. AI Peak Integration sfrutta il machine learning per automatizzare l'integrazione dei picchi cromatografici durante l'analisi dei dati, riducendo il tempo di elaborazione totale. Gli utenti possono addestrare in modo personalizzato il modello eseguendo integrazioni manuali affinché possa osservare e continuerà ad autoapprendere e migliorare.

Allo stesso modo, il software AI msFineAnalysis di JEOL, progettato per l'uso con lo spettrometro di massa JMS-T2000GC AccuTOF GC-Alpha, utilizza due modelli AI integrati per sintetizzare dati ad alta risoluzione di impatto GC/elettronico, dati ad alta risoluzione di ionizzazione morbida/GC e capacità di analisi della struttura per produrre automaticamente analisi qualitative dettagliate. Secondo JEOL, msFineAnalysis può analizzare 100 componenti in quattro secondi, mentre un analista esperto impiega in media 30 minuti per analizzare solo quattro componenti. Con msFineAnalysis, un analista può ampliare notevolmente la propria larghezza di banda.

...Ma nell'aprire questo vaso di Pandora, arrivano anche sfide significative che la comunità scientifica deve affrontare.

Infine, la soluzione AIWizard di METTLER TOLEDO utilizza una rete neurale, un tipo di ML che imita il cervello biologico, per una valutazione intelligente e automatizzata degli effetti termici misurati da un calorimetro a scansione diretta. La rete viene preaddestrata su migliaia di punti dati provenienti da valutazioni di esperti. Come un vero cervello, la rete continuerà ad apprendere e a migliorarsi man mano che viene utilizzata. Con AIWizard, gli utenti possono reindirizzare le proprie energie per trarre informazioni dai dati valutati dall'intelligenza artificiale, risparmiando tempo e fatica.

Una forma di intelligenza artificiale comunemente utilizzata nei laboratori è la tecnologia di analisi e riconoscimento delle immagini. Questa tecnologia viene spesso utilizzata per identificare elementi di interesse in fotografie microscopiche, scansioni mediche, feed di telecamere in tempo reale, ecc. Un esempio potrebbero essere i contatori di cellule automatizzati, che possono contare in modo indipendente le cellule nei pozzetti della micropiastra. Allo stesso modo, uno studio del 2022 ha visto i ricercatori sfruttare l’ML per identificare automaticamente le cellule isolate, il che allevierebbe l’onere per gli esseri umani di identificarle nei processi di ingegneria biomedica.1