Durante cientos de años, la claridad y la mejora de los microscopios estuvieron limitadas en última instancia por las propiedades físicas de sus lentes ópticas. Los fabricantes de microscopios superaron estos límites creando pilas de elementos de lentes cada vez más complejas y costosas. Aún así, los científicos tuvieron que decidir entre alta resolución y un pequeño campo de visión, por un lado, o baja resolución y un gran campo de visión, por el otro.
En 2013, un equipo de ingenieros de Caltech introdujo una técnica de microscopía llamada FPM (por Microscopía Pietográfica de Fourier). Esta tecnología marcó el advenimiento de la microscopía computacional, el uso de técnicas que combinan la detección de microscopios tradicionales con algoritmos informáticos que procesan la información detectada de nuevas formas para crear imágenes profundas y nítidas que cubren grandes áreas. Desde entonces, el FPM ha sido ampliamente adoptado por su capacidad para obtener imágenes de alta resolución de especímenes manteniendo al mismo tiempo una amplia gama de escenarios utilizando equipos relativamente económicos.
Ahora, el mismo laboratorio ha desarrollado un nuevo método que puede mejorar la capacidad de FPM para capturar imágenes sin borrosidades ni distorsiones, incluso con mediciones bajas. La nueva técnica se describe en un artículo publicado en la revista Comunicaciones de la naturalezaPuede conducir a avances en áreas como la imagen biomédica, la patología digital y la detección de drogas.
El nuevo método, denominado APIC (método de imágenes pticográficas angulares con forma cerrada) tiene todas las ventajas de FPM con lo que puede describirse como su mayor debilidad: alcanzar la imagen final. Para , FPM se basa en el algoritmo. Comenzando con una o varias suposiciones y luego ajustándolas poco a poco para llegar a la “mejor” solución, que puede no siempre ser cierta para la imagen real.
Dirigido por Changhuei Yang, profesor Thomas G. Myers de Ingeniería Eléctrica, Bioingeniería e Ingeniería Médica e investigador del Heritage Medical Research Institute, el equipo de Caltech se dio cuenta de que era posible eliminar esta naturaleza iterativa del algoritmo.
En lugar de depender del ensayo y error para intentar encontrar una solución, APIC resuelve una ecuación lineal, detallando los errores o distorsiones introducidos por el sistema óptico del microscopio. Una vez que se detectan errores, el sistema puede corregirlos, funcionar esencialmente como si fuera ideal y obtener imágenes claras que cubren grandes áreas.
“Abordamos la resolución de campo complejo de alta resolución de forma cerrada, ya que ahora tenemos una comprensión más profunda de lo que captura el microscopio, lo que sabemos y lo que realmente necesitamos detectar, por lo que no lo sabemos”. dice Ruizi Cao (PhD ’24), coautor principal del artículo, ex estudiante de posgrado en el laboratorio de Yang y ahora en UC Berkeley. “De esa manera, básicamente podemos garantizar que estamos viendo los verdaderos detalles finales de la muestra”.
Al igual que con FPM, el nuevo método mide no sólo la intensidad de la luz vista a través del microscopio, sino también una propiedad importante de la luz llamada “fase”, que está relacionada con la trayectoria de la luz. Esta propiedad no es visible para el ojo humano pero contiene información que es muy útil a la hora de corregir el error. Resolver la información de esta fase fue cómo FPM se basó en un enfoque de prueba y error, explica Cheng Shen (PhD ’23), coautor principal del artículo de APIC, que trabajó en el laboratorio de Yang. Trabajo completado mientras estaba quieto y ahora algoritmo de visión por computadora. ingeniero en Apple. “Hemos demostrado que nuestro método ofrece una solución analítica de una manera mucho más sencilla. Es más rápido, más preciso y aprovecha algunos conocimientos más profundos del sistema óptico”.
Además de eliminar la naturaleza iterativa de los algoritmos de resolución de fases, la nueva técnica también permite a los investigadores recopilar imágenes claras en un gran campo de visión sin tener que reenfocar repetidamente el microscopio. Con FPM, si la altura de la muestra varía incluso unas pocas decenas de micrones de una sección a otra, la persona que usa el microscopio tiene que volver a enfocar para que el algoritmo funcione. Porque estas técnicas de microscopía computacional a menudo implican unir más de 100 imágenes de baja resolución para formar un gran campo de visión.
“Hemos desarrollado un marco para corregir errores y mejorar las soluciones”, dice Cao. “Estas dos capacidades podrían ser potencialmente útiles para una amplia gama de sistemas de imágenes”.
Yang dice que el desarrollo de APIC es fundamental para una amplia gama de trabajos en los que su laboratorio está trabajando actualmente para mejorar la entrada de datos de imágenes para aplicaciones de inteligencia artificial (IA). “Recientemente, mi laboratorio demostró que la IA puede superar a los patólogos expertos en la predicción de la progresión metastásica a partir de simples diapositivas de histopatología de pacientes con cáncer de pulmón”, dice Yang. “Esta capacidad predictiva depende completamente de la obtención de imágenes microscópicas uniformemente enfocadas y de alta calidad, para lo cual APIC es muy adecuado”.
