El nuevo asistente, llamado BioImage.IO chatbot y presentado en la revista "Nature Methods", nace como una respuesta al problema de sobresaturación que sufren algunos investigadores
Científicas de la Universidad Carlos III de Madrid (UC3M), junto con un equipo investigador de Ericsson y del Real Instituto de Tecnología de Suecia (KTH), han desarrollado un programa informático basado en inteligencia artificial que permite buscar información y hacer recomendaciones de análisis de imágenes biomédicas. Este avance facilita el trabajo de las personas que utilizan grandes bases de datos de bioimágenes, como investigadores de ciencias de la vida, desarrolladores de flujos de trabajo, empresas biotecnológicas y farmacéuticas.
“Nos dimos cuenta de que muchos científicos deben procesar grandes volúmenes de documentación técnica y esto puede convertirse en una tarea muy tediosa y abrumadora”, explica una de las autoras del trabajo, Caterina Fuster Barceló, investigadora del Dpto. de Bioingeniería de la UC3M. “De hecho, nuestro objetivo era facilitar el acceso a la información de datos y, al mismo tiempo, brindar una interfaz sencilla que permitiera a los científicos enfocar su tiempo en el análisis de bioimágenes y no en tener que programar”, añade.
De esta forma, el chatbot puede convertirse en una herramienta muy útil, puesto que permite a los investigadores ejecutar tareas complejas de análisis de una forma sencilla e intuitiva. Por ejemplo, si un investigador necesita procesar imágenes de microscopía mediante modelos de segmentación, el chatbot puede ayudarle a seleccionar el modelo adecuado y ejecutarlo.
El asistente está basado en modelos extensivos de lenguaje y emplea una técnica llamada “generación aumentada por recuperación” o RAG (Retrieval-Augmented Generation), que permite acceder a bases de datos en tiempo real. “La principal ventaja es que nosotros no entrenamos el modelo con información específica, sino que la extraemos de fuentes actualizadas, lo que minimiza errores conocidos como “alucinaciones”, y que son respuestas inexactas comunes en otros modelos de IA, como, por ejemplo, ChatGPT”, añade otra de las autoras del trabajo, Arrate Muñoz Barrutia, catedrática del Dpto. de Bioingeniería de la UC3M. “Esto garantiza que el usuario reciba información veraz y contextualizada, que es lo más importante para nosotras”.
El BioImage.IO Chatbot tiene otras ventajas añadidas y es que también ha sido optimizado para trabajar directamente con microscopios y otros equipos de laboratorio a través de un sistema de extensiones que permite que los investigadores controlen estos equipos mediante comandos sencillos, enviados directamente desde la interfaz del chatbot. “Otra ventaja de nuestro asistente es que es código libre — señala Muñoz Barrutia — lo que permite que otros desarrolladores puedan continuar creando nuevos módulos y mejorando la herramienta”.
El modelo ha sido perfeccionado por estas investigadoras de la UC3M junto con la empresa Ericsson Inc y la colaboración desde el KTH, fundamentalmente de Wanlu Lei, Gabriel Reder y Wei Ouyang, del Departamento de Sistemas Inteligentes y del Departamento de Física Aplicada, respectivamente. Miembros del equipo lo han presentado recientemente en el congreso I2K ( (From Images to Knowledge) 2024 celebrado en Milán (Italia). Este equipo ha logrado integrar el chatbot en plataformas que viven en la nube y corren sobre navegadores web, lo que permite realizar llamadas a bases de datos en línea para el análisis de imágenes en tiempo real. Según Fuster-Barceló, esta capacidad de extensibilidad es una de las grandes ventajas del chatbot, ya que facilita su integración en distintos sistemas de trabajo, incluidos sitios web de terceros y otros sistemas de investigación.
En cuanto a los próximos pasos a seguir, las investigadoras planean ampliar las capacidades del chatbot con un modelo de IA más versátil, capaz de realizar lecturas de artículos científicos y ayudar en la planificación de experimentos. Esto podría allanar el camino hacia una automatización avanzada en entornos de investigación y, quizás, hacia una mayor democratización en el acceso a herramientas científicas complejas, concluyen.
Referencia bibliográfica: Lei, W., Fuster-Barceló, C., Reder, G. et al (2024). BioImage.IO Chatbot: a community-driven AI assistant for integrative computational bioimaging. Nat Methods 21, 1368–1370. https://doi.org/10.1038/s41592-024-02370-y Arrate Muñoz-Barrutia, A (2024). BioImage.IO chatbot: A community-driven AI assistant for integrative computational bioimaging. I2K (From Images to Knowledge). October 23-25 2024. Milan, Italy. https://www.i2kconference.org/
