Aproveitando soluções inovadoras de IA em seu laboratório

Holden Galusha é editor associado do Lab Manager. Ele foi redator freelancer do Lab Manager antes de ser convidado para ingressar na equipe em tempo integral. Anteriormente, ele era o...

A inteligência artificial (IA) tem sido um tema predominante no ciclo de notícias nos últimos meses. A IA, que é essencialmente a capacidade de um computador imitar a inteligência humana, e a aprendizagem automática (ML), um subconjunto da IA ​​que pode melhorar a precisão dos seus resultados de forma autónoma através do “treinamento” em conjuntos de dados, têm o potencial de derrubar indústrias inteiras. Alguns estão céticos, pensando que a tecnologia é exagerada. Entretanto, para espanto de alguns e apreensão de outros, muitos acreditam que a IA será uma revolução maior do que a Internet. Uma coisa é certa: tal como acontece com o pioneirismo dos cientistas, muitos profissionais de laboratório estão a encontrar formas de incorporar soluções de IA nos seus fluxos de trabalho.

O aproveitamento de soluções inovadoras de IA e ML abriu novas portas na análise de dados, processamento de imagens e monitoramento de laboratório – mas ao abrir esta Caixa de Pandora, também surgem desafios significativos que a comunidade científica deve enfrentar.

Atualmente, os processos de análise de dados provavelmente oferecem mais oportunidades para reforçar o fluxo de trabalho do seu laboratório com IA/ML. A IA é particularmente adequada para aumentar a análise. Ele pode detectar padrões em dados que são difíceis, senão impossíveis, de serem detectados por humanos. Isto resulta em dois benefícios principais: (1) a IA pode aumentar o rendimento do laboratório ao acelerar o processo de análise, e (2) a IA oferece uma camada adicional de inspeção – humanos e máquinas trabalham em conjunto para verificar o trabalho uns dos outros e cobrir quaisquer lacunas.

Várias formas de IA foram aplicadas na análise de dados experimentais, como processamento de dados e análise de imagens.

AI e ML provaram ser particularmente úteis em técnicas analíticas, incluindo cromatografia, espectrometria de massa e espectroscopia. Fabricantes de instrumentação científica como METTLER TOLEDO, Agilent Technologies e JEOL lançaram comercialmente soluções de IA que aprimoram as capacidades analíticas daqueles que usam essas técnicas.

Uma dessas soluções é o software MassHunter da Agilent. MassHunter é um conjunto de programas que facilita a coleta eficiente de dados, análises qualitativas e quantitativas, relatórios e outras funções envolvidas com cromatografia gasosa e líquida. No verão de 2023, a Agilent revelou um novo módulo para MassHunter: AI Peak Integration. AI Peak Integration aproveita o ML para automatizar a integração de picos cromatográficos durante a análise de dados, reduzindo o tempo total de processamento. Os usuários podem treinar o modelo de forma personalizada, realizando integrações manuais para que ele observe, e ele continuará a aprender e melhorar por conta própria.

Da mesma forma, o software msFineAnalysis AI da JEOL, projetado para uso com seu espectrômetro de massa JMS-T2000GC AccuTOF GC-Alpha, usa dois modelos de IA integrados para sintetizar dados de alta resolução de impacto de GC/elétrons, dados de alta resolução de GC/ionização suave e recursos de análise de estrutura para produz automaticamente análises qualitativas detalhadas. De acordo com a JEOL, o msFineAnalysis pode analisar 100 componentes em quatro segundos, enquanto um analista qualificado leva 30 minutos para analisar apenas quatro componentes, em média. Com msFineAnalysis, um analista pode ampliar consideravelmente sua largura de banda.

...Mas ao abrir esta Caixa de Pandora, surgem também desafios significativos que a comunidade científica deve enfrentar.

Por fim, a solução AIWizard da METTLER TOLEDO usa uma rede neural, um tipo de ML que imita cérebros biológicos, para avaliação inteligente e automatizada de efeitos térmicos medidos por um calorímetro de varredura direta. A rede vem pré-treinada em milhares de pontos de dados provenientes de avaliações de especialistas. Como um cérebro real, a rede continuará a aprender e a melhorar à medida que for usada. Com o AIWizard, os usuários podem redirecionar suas energias para extrair insights dos dados avaliados por IA, economizando tempo e esforço.

Uma forma de IA comumente usada em laboratórios é a tecnologia de análise e reconhecimento de imagens. Esta tecnologia é frequentemente usada para identificar elementos de interesse em fotografias microscópicas, exames médicos, imagens de câmeras em tempo real, etc. Um exemplo seriam os contadores de células automatizados, que podem contar células de forma independente em poços de microplacas. Da mesma forma, um estudo de 2022 viu pesquisadores aproveitando o ML para identificar automaticamente células isoladas, o que aliviaria a tarefa dos humanos de identificá-las em processos de engenharia biomédica.1