30/06/2022
Door Ad Spijkers
Onderzoekers aan het Japanse onderzoeksinstituut RIKEN in Wako (bij Tokyo) hebben een robotsysteem voor kunstmatige intelligentie (AI) ontwikkeld om autonoom de optimale omstandigheden te bepalen voor het laten groeien van vervangende netvlieslagen die nodig zijn voor het gezichtsvermogen.
De AI controleerde een proces van vallen en opstaan dat 200 miljoen mogelijke omstandigheden omvatte. DE kunstmatige intelligentie slaagde er in de celcultuurrecepten die in de regeneratieve geneeskunde worden gebruikt, te verbeteren.
Celdifferentiatie
Onderzoek in regeneratieve geneeskunde vereist vaak talrijke experimenten die zowel tijdrovend als arbeidsintensief zijn. Vooral het creëren van specifiek weefsel uit stamcellen (geïnduceerde celdifferentiatie) vereist maanden werk. De mate van succes hangt af van een breed scala aan variabelen.
Het vinden van het optimale type, de dosis en de timing van reagentia, evenals optimale fysieke variabelen zoals pipetsterkte, celoverdrachtstijd en temperatuur is moeilijk en vereist veel vallen en opstaan. Minieme verschillen in fysieke omstandigheden hebben een significante impact op de kwaliteit, en omdat het induceren van veel tijd kost, kan de impact van een klein verschil in timing op dag 3 pas gedurende enkele maanden worden gedetecteerd.
Om dit proces efficiënter en praktischer te maken, ging het onderzoeksteam van RIKEN een autonoom experimenteel systeem ontwikkelen dat de optimale omstandigheden kan bepalen en functionele pigmentlagen uit stamcellen kan laten groeien. Er werd gekozen voor retinale pigmentepitheelcellen (RPE) omdat degeneratie van deze cellen een veelvoorkomende leeftijdsgebonden aandoening is waardoor mensen niet meer kunnen zien. Even belangrijk is dat getransplanteerde RPE-retinale lagen al enig klinisch succes hebben.
Rol van AI
Om autonome experimenten te laten slagen, moet de robot herhaaldelijk dezelfde reeks nauwkeurige bewegingen en manipulaties produceren. Ook moet de AI de resultaten kunnen evalueren en het volgende experiment formuleren. Het nieuwe systeem bereikt deze doelen met behulp van een humanoïde robot voor algemeen gebruik (Maholo genaamd) die in staat is tot nauwkeurig experimenteel biowetenschappelijk gedrag.
De robot wordt bestuurd door AI-software die een nieuw ontworpen optimalisatie-algoritme gebruikt. Dit bepaalt welke parameters moeten worden gewijzigd en hoe ze moeten worden gewijzigd om de differentiatie-efficiëntie in de volgende ronde van experimenten te verbeteren.
Onderzoekers voeren de nodige protocollen in voor het genereren van RPE-cellen uit stamcellen in Maholo. Hoewel in alle experimenten met succes cellen werden gegenereerd, was de efficiëntie slechts 50%. Nadat deze basislijn was vastgesteld, startte de AI het optimalisatieproces om de beste omstandigheden te bepalen tussen alle chemische en fysische parameters.
Wat mensen meer dan twee en een half jaar zou hebben gekost om te voltooien, kostte het robotachtige AI-systeem slechts 185 dagen en resulteerde in een differentiatie-efficiëntie van 90%. In de praktijk vertoonden deze cellen veel van de typische biologische markers die hen geschikt zouden maken voor transplantatie in een oog met een beschadigde RPE-cellaag.
Vervolg
Het succes van het nieuwe systeem gaat verder dan de directe resultaten. De onderzoekers hebben ervoor gekozen om RPE-cellen als model te onderscheiden van stamcellen. Maar in principe zal het combineren van een precisierobot met de optimalisatie-algoritmen autonome 'trial and error' experimenten mogelijk maken op veel gebieden van de biowetenschappen.
De onderzoekers benadrukken dat het doel van het onderzoek niet is om menselijke laboratoriummedewerkers te vervangen door robots. De visie van de wetenschappers is, dat mensen doen waar ze goed in zijn, namelijk creatief zijn. Robots en AI zijn te gebruiken voor experimenten die herhaalbare precisie vereisen en veel tijd in beslag nemen, maar waarvoor geen denkwerk nodig is.
De wetenschappelijke publicatie vindt u op http://dx.doi.org/10.7554/eLife.77007.
Foto: RIKEN