MADRID 29 May. (EUROPA PRESS) -
Una investigación dirigida por la Universidad de Plymouth (Reino Unido) ha demostrado que un nuevo modelo de IA de aprendizaje profundo puede identificar qué sucede y cuándo durante el desarrollo embrionario, a partir de vídeo. Tal y como se publica en 'Journal of Experimental Biology', el estudio destaca cómo el modelo, conocido como Dev-ResNet, puede identificar la aparición de eventos funcionales clave del desarrollo en embriones de caracoles de estanque, incluida la función cardíaca, el rastreo, la eclosión e incluso la muerte.
Una innovación clave en este estudio es el uso de un modelo 3D que utiliza los cambios que ocurren entre fotogramas del video y permite a la IA aprender de estas características, a diferencia del uso más tradicional de imágenes fijas. El uso de vídeo significa que Dev-ResNet detecta de forma fiable características que van desde el primer latido del corazón, o el comportamiento de gateo, hasta la formación de la concha o la eclosión, y ha revelado sensibilidades de diferentes características a la temperatura no conocidas anteriormente.
Si bien se utiliza en embriones de caracoles de estanque para este estudio, los autores dicen que el modelo tiene una amplia aplicabilidad en todas las especies y proporcionan guiones y documentación completos para aplicar Dev-ResNet en diferentes sistemas biológicos. En el futuro, la técnica podría utilizarse para ayudar a acelerar la comprensión de cómo el cambio climático y otros factores externos afectan a los seres humanos y a los animales.
El trabajo fue dirigido por el candidato a doctorado, Ziad Ibbini, quien estudió una licenciatura en Biología de la Conservación, antes de tomarse un año para mejorar sus habilidades en el desarrollo de software y luego comenzar su doctorado. Él mismo diseñó, entrenó y probó Dev-ResNet.
Tal y como explica el mismo: "Delinear eventos de desarrollo, o determinar qué sucede en el desarrollo temprano de un animal, es muy desafiante, pero increíblemente importante, ya que nos ayuda a comprender los cambios en el momento de los eventos entre especies y entornos. Dev-ResNet es una red neuronal convolucional 3D pequeña y eficiente capaz de detectar eventos de desarrollo mediante videos y puede entrenarse con relativa facilidad en hardware de consumo. Las únicas limitaciones reales están en la creación de datos para entrenar el modelo de aprendizaje profundo; sabemos que funciona, solo hay que proporcionarle los datos de entrenamiento correctos".
"Queremos equipar a la comunidad científica en general con las herramientas que les permitan comprender mejor cómo el desarrollo de una especie se ve afectado por diferentes factores y así identificar cómo podemos protegerla. Creemos que Dev-ResNet es un paso importante en esa dirección".
Por otra parte, el doctor Oli Tills, autor principal del artículo y becario de investigación de Future Leaders del UKRI (Reino Unido), añade: "Esta investigación es importante a nivel tecnológico, pero también es significativa para avanzar en la forma en que percibimos el desarrollo de los organismos, algo que la Universidad de Plymouth, dentro del Grupo de investigación en Ecofisiología y Desarrollo, cuenta con más de 20 años de trayectoria investigadora. Este hito no habría sido posible sin el aprendizaje profundo, y es emocionante pensar adónde nos llevará esta nueva capacidad en el estudio de los animales durante su período más dinámico de la vida", concluye.
