Durante cientos de años, la claridad y el aumento de los microscopios estuvieron limitados 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. Sin embargo, 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 fue pionero en una técnica de microscopía llamada FPM (Microscopía Pticográfica de Fourier). La tecnología marcó el advenimiento de la microscopía computacional, el uso de técnicas que combinan imágenes de microscopios convencionales con algoritmos informáticos que procesan la información detectada de nuevas maneras para producir imágenes más profundas y nítidas que cubren áreas más grandes. Desde entonces, FPM se ha utilizado ampliamente debido a su capacidad para adquirir imágenes de muestra de alta resolución manteniendo un gran campo de visión utilizando equipos relativamente económicos.
Ahora, el mismo laboratorio ha desarrollado un nuevo método que puede superar al FPM con la capacidad de obtener imágenes sin borrosidades ni distorsiones, incluso con menos mediciones. La nueva técnica, descrita en un artículo aparecido en la revista Conexiones con la naturalezapodría facilitar avances en áreas como la imagen biomédica, la patología digital y la detección de drogas.
El nuevo método, denominado APIC (Closed-Form Angular Pythographic Imaging), tiene todas las ventajas de FPM sin su mayor debilidad, que es que para obtener la imagen final, el algoritmo FPM se basa en comenzar con una o más suposiciones mejores y luego ligeramente. ajustar para llegar a la solución “óptima”, que puede no siempre coincidir con la imagen original.
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 la naturaleza iterativa de este algoritmo.
En lugar de depender del ensayo y error para intentar encontrar una solución, APIC resuelve una ecuación lineal, proporcionando información detallada sobre las aberraciones o distorsiones introducidas por el sistema óptico del microscopio. Una vez conocidas las aberraciones, el sistema puede corregirlas, actuando esencialmente como si fuera perfecto y produciendo imágenes claras que cubren grandes campos de visión.
«Llegamos a una solución de campo complejo de alta resolución en forma cerrada porque ahora tenemos una comprensión más profunda de lo que percibe el microscopio, lo que ya sabemos y lo que realmente necesitamos descubrir, por lo que no necesitamos iteraciones. » dice Ruizhi Kao (PhD 24), coautor del artículo, ex estudiante de posgrado en el laboratorio de Young y ahora becario postdoctoral 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 visible a través del microscopio, sino también una propiedad importante de la luz llamada «fase», que está relacionada con la distancia de la luz. Esta característica es invisible al ojo humano, pero contiene información muy útil para corregir aberraciones. Para resolver los detalles de esta fase, FPM se basó en prueba y error, explica Chen Shen (PhD ’23), coautor del artículo de APIC que también completó el trabajo mientras estaba en el laboratorio de Yang y lo está ahora. Ingeniero de algoritmos de visión por computadora en Apple. «Hemos demostrado que nuestro método ofrece una solución analítica y mucho más sencilla. Es más rápido, más preciso y proporciona una visión profunda del sistema óptico».
Además de eliminar la naturaleza iterativa del algoritmo de resolución de fases, el nuevo método permite a los investigadores obtener imágenes claras en un gran campo de visión sin tener que volver a enfocar el microscopio. Con FPM, si la altura de la muestra cambiara incluso unas pocas decenas de micrones de una sección a otra, la persona que usa el microscopio tendría que reorientarse para que el algoritmo funcione. Debido a que estas técnicas de microscopía computacional a menudo implican unir más de 100 imágenes de menor resolución para crear un campo de visión más grande, esto significa que APIC puede hacer que el proceso sea mucho más rápido y eliminar posibles errores humanos en muchas etapas.
«Hemos desarrollado un sistema para corregir el sesgo y también mejorar la resolución», dice Cao. «Estas dos posibilidades pueden ser potencialmente fructíferas para una gama más amplia de sistemas de imágenes».
Yang dice que el desarrollo de APIC es fundamental para un conjunto más amplio de trabajo en el que su laboratorio está trabajando actualmente para optimizar 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 en gran medida de la obtención de imágenes microscópicas uniformemente enfocadas y de alta calidad, para lo cual APIC es muy adecuado».
