Ein neues System, das schnelle Bildgebung mit künstlicher Intelligenz kombiniert, könnte Wissenschaftlern dabei helfen, ein umfassendes Bild aktueller und historischer Umweltveränderungen zu erstellen – durch schnelle und genaue Analyse von Pollen.
Pollenkörner verschiedener Pflanzenarten sind einzigartig und anhand ihrer Form identifizierbar. Die Analyse, welche Pollenkörner in Proben wie Sedimentkernen aus Seen eingefangen werden, hilft Wissenschaftlern zu verstehen, welche Pflanzen zu einem bestimmten Zeitpunkt in der Geschichte gediehen und möglicherweise Tausende bis Millionen von Jahren zurückreichen.
Bisher haben Wissenschaftler die Pollenarten in Sedimenten oder aus Luftproben manuell mithilfe eines Lichtmikroskops gezählt – eine spezielle und zeitaufwändige Aufgabe.
Jetzt kombinieren Wissenschaftler der University of Exeter und der Swansea University modernste Technologien wie bildgebende Durchflusszytometrie und künstliche Intelligenz, um ein System zu entwickeln, das Pollen viel schneller identifizieren und kategorisieren kann.
Das Team hofft, dass die Technologie eines Tages nicht nur ein umfassenderes Bild der früheren Flora erstellen kann, sondern auch für genauere Pollenmessungen in der heutigen Umgebung eingesetzt werden kann, was dazu beitragen kann, dass Heuschnupfenpatienten ihre Symptome lindern. Das Papier trägt den Titel „„Deduktive automatisierte Pollenklassifizierung in Umweltproben mittels explorativem Deep Learning und bildgebender Durchflusszytometrie“und wird veröffentlicht in Neuer Phytologe.
Dr. Ann Power von der University of Exeter sagte: „Pollen sind ein wichtiger Umweltindikator, und das Zusammensetzen der verschiedenen Pollentypen in der Atmosphäre sowohl heute als auch in der Vergangenheit kann uns dabei helfen, ein Bild der Artenvielfalt zu erstellen.“ und Klimawandel.“
„Allerdings ist es unglaublich arbeitsintensiv und kann nicht immer durchgeführt werden, unter dem Mikroskop zu erkennen, zu welcher Pflanzenart Pollen gehören. Das System, das wir entwickeln, wird die hierfür erforderliche Zeit erheblich verkürzen und die Klassifizierungen verbessern. Das bedeutet, dass wir uns ein umfassenderes Bild davon machen können.“ Pollen in der Umwelt viel schneller zu erfassen und so Aufschluss darüber zu geben, wie sich das Klima, die menschliche Aktivität und die Artenvielfalt im Laufe der Zeit verändert haben, oder besser zu verstehen, welche Allergene sich in der Luft befinden, die wir atmen.“
Das Team hat das System bereits zur automatischen Analyse eines 5.500 Jahre alten Stücks eines Seesedimentkerns eingesetzt und dabei schnell über tausend Pollenkörner klassifiziert. In der Vergangenheit hätte ein Spezialist bis zu acht Stunden für das Zählen und Kategorisieren benötigt – eine Aufgabe, die das neue System in deutlich weniger als einer Stunde erledigte.
Das neue System nutzt bildgebende Durchflusszytometrie – eine Technologie, die typischerweise zur Untersuchung von Zellen in der medizinischen Forschung eingesetzt wird, um schnell Pollenbilder zu erfassen. Anschließend wurde eine einzigartige Art künstlicher Intelligenz entwickelt, die auf Deep Learning basiert, um die verschiedenen Arten von Pollen in einer Umweltprobe zu identifizieren. Dadurch ist es möglich, diese Unterscheidungen auch dann vorzunehmen, wenn die Probe unvollkommen ist.
Dr. Claire Barnes von der Swansea University sagte: „Bisher lernen die in der Entwicklung befindlichen KI-Systeme zur Kategorisierung von Pollen aus denselben Pollenbibliotheken und testen diese – was bedeutet, dass jede Probe perfekt ist und zu Arten gehört, die zuvor vom Netzwerk gesehen wurden.“ Diese Systeme sind nicht in der Lage, Pollen aus der Umgebung zu erkennen, die unterwegs einige Stöße abbekommen haben, und auch nicht in der Lage, Pollen zu kategorisieren, die nicht in Trainingsbibliotheken enthalten sind.“
„Die Integration einer einzigartigen Version des Deep Learning in unser System bedeutet, dass die künstliche Intelligenz intelligenter ist und einen flexibleren Lernansatz anwendet. Sie kann mit Bildern schlechter Qualität umgehen und gemeinsame Artenmerkmale nutzen, um vorherzusagen, zu welcher Pflanzenfamilie der Pollen überhaupt gehört.“ wenn das System es noch nicht während des Trainings gesehen hat.“
In den kommenden Jahren hofft das Team, das neue System zu verfeinern und auf den Markt zu bringen und es zu nutzen, um mehr über Gräserpollen zu erfahren, ein besonderer Reizstoff für Heuschnupfenpatienten. Dr. Power sagte: „Einige Gräserpollen sind allergener als andere. Wenn wir besser verstehen können, welche Pollen zu bestimmten Zeiten vorherrschen, würde dies zu einer Verbesserung der Pollenvorhersage führen, die Menschen mit Heuschnupfen dabei helfen könnte, ihre Exposition zu reduzieren.“ “
Mehr Informationen:
„Deduktive automatisierte Pollenklassifizierung in Umweltproben mittels explorativem Deep Learning und bildgebender Durchflusszytometrie“, Neuer Phytologe (2023). nph.onlinelibrary.wiley.com/do … ll/10.1111/nph.19186