カリフォルニア工科大学（Caltech）の研究チームが、生物学の画像解析を劇的に効率化する人工知能アルゴリズム「CellSAM」を開発しました。このモデルは、がん細胞の同定や免疫細胞の挙動観察など、多様な生物学的画像において手動での細胞ラベリングに要していた膨大な時間を大幅に削減するものです。 CellSAM は、生物学・生物工学助手教授のデビッド・ヴァン・ヴァレン氏と計算数学科学教授のイソン・ユエ氏らの共同研究室によって開発されました。これまでの手法では、学生や研究者が個々の細胞を手動で特定したり、既存アルゴリズムの誤りを修正するために無数の時間を費やしていましたが、CellSAM は単一のモデルで多種多様な応用分野の作業を自動実行可能にしました。同モデルは、組織に隠れた腫瘍細胞から抗生物質耐性を生む細菌の粘着物質まで、見た目が全く異なる生物画像に対しても対応可能です。 この技術の最大の特徴は、画一的なデータだけでなく、あらゆる使用ケースに適用できる汎用性の高さです。研究者は、異なる細胞種類の特定、その位置情報の把握、近隣の細胞との相互作用の分析を一度に行うことができます。これにより、特定の患者にのみ免疫療法が効く理由など、複雑な生物学的ダイナミクスの解明が可能になります。論文は学術誌「ネイチャー・メソッズ」に掲載されました。 CellSAM は、これまで手動でラベル付けされた膨大な生物画像データを学習対象として訓練されています。チームは引き続き、より多様な生物データによる訓練を通じてモデルの精度向上を目指しています。現在、このツールは研究者向けに無償で提供されています。 ユエ氏は、CellSAM のようなアプローチが既存のワークフローを効率化するだけでなく、以前は不可能だったスケールでの生物学的問いの探求を可能にすると強調しています。数百万の細胞を追跡できるようになることで、稀な細胞状態の出現や、細胞の微妙な形状変化が治療反応にどう影響するかといった、これまで分析のボトルネックによって阻まれていた洞察が得られるようになります。ヴァン・ヴァレン氏も、この手法がデータ収集の障壁を除去し、生物学的発見の最前線を押し広げると期待を示しています。