El análisis de imágenes es una herramienta esencial en biomedicina, utilizada para estudiar
estructuras celulares, tejidos y órganos en múltiples disciplinas. Sin embargo, aplicar inteligencia
artificial para analizar estas imágenes ha estado tradicionalmente reservado a expertos en
programación y ciencia de datos. BiaPy rompe esa barrera al ofrecer una plataforma fácil de usar
que permite aplicar modelos avanzados de IA sin necesidad de conocimientos técnicos
especializados.
"El objetivo de BiaPy es democratizar el acceso a la inteligencia artificial en bioimagen,
permitiendo que más científicos y profesionales de la salud puedan aprovechar su potencial sin
necesidad de conocimientos avanzados en programación o aprendizaje automático", explica
Daniel Franco, primer autor del estudio y actualmente investigador postdoctoral en el MRC
Laboratory of Molecular Biology y Cambridge University (Reino Unido).
BiaPy permite realizar diferentes tipos de análisis sobre imágenes científicas, como identificar
automáticamente células u otras estructuras biológicas, contar elementos, clasificar muestras
según su apariencia, o mejorar la calidad de las imágenes para ver detalles más finos. Todo ello
puede hacerse tanto con imágenes en dos dimensiones como con imágenes tridimensionales
obtenidas mediante diferentes técnicas de microscopía. Además, BiaPy ha sido diseñado para
ser eficiente y escalable: puede trabajar con volúmenes de datos muy variados, desde unas
pocas imágenes pequeñas hasta terabytes de información, como los que se generan al escanear
tejidos u órganos completos.
La herramienta se basa en el uso de “modelos de inteligencia artificial”, que son algoritmos
entrenados para reconocer patrones en imágenes, de forma similar a cómo el ojo humano
puede identificar formas o colores. Para crear un modelo, primero se le enseña con ejemplos:
por ejemplo, imágenes donde las células ya han sido marcadas manualmente. Con suficiente
entrenamiento, el modelo aprende a hacer estas tareas automáticamente, incluso en imágenes
nuevas que nunca ha visto antes.
“Además, BiaPy está integrada en el BioImage Model Zoo (bioimage.io), una base de datos
donde investigadores de todo el mundo comparten modelos ya entrenados. Gracias a esta
integración, los usuarios de BiaPy pueden reutilizar modelos existentes para nuevas imágenes o
entrenar sus propios modelos de manera sencilla,” explica Arrate Muñoz, co-autora senior del
trabajo y miembro del consorcio europeo Al4Life que ha desarrollado el BioImage Model Zoo.
Esta herramienta ya se está utilizando en proyectos científicos avanzados. Un ejemplo es
CartoCell, una solución software desarrollada en colaboración con el laboratorio coordinado por
Luis M. Escudero (Instituto de Biomedicina de Sevilla (Hospital Universitario Virgen del
Rocío/CSIC/Universidad de Sevilla). CartoCell analiza imágenes de microscopía para revelar
patrones escondidos en la forma y distribución de las células dentro de tejidos epiteliales en 3D
de diferentes organismos.
Otro caso destacado es su aplicación en colaboración con los laboratorios de Emmanuel
Beaurepaire (École Polytechnique, Francia) y Jean Livet (Institut de la Vision, París). Estos grupos
han desarrollado una técnica de microscopía llamada ChroMS, que permite obtener enormes
imágenes tridimensionales de cerebros completos usando colores fluorescentes generados por
proteínas de medusas y corales. BiaPy se utiliza para detectar automáticamente cada célula en
estas imágenes a gran escala, incluso en zonas densamente pobladas del cerebro, lo que permite
estudiar el desarrollo cerebral reconstruyendo el linaje de las células a partir de sus colores y
posiciones tridimensionales.
Como herramienta de acceso libre, BiaPy está disponible gratuitamente para la comunidad
científica, fomentando la colaboración y la mejora continua del software. Puede utilizarse en
ordenadores personales o en servidores con múltiples tarjetas gráficas, así como en la nube. Su
instalación es sencilla y garantiza que los experimentos puedan repetirse fácilmente en distintos
entornos, promoviendo la ciencia abierta y reproducible.
En palabras de Ignacio Arganda, autor senior del trabajo, “el desarrollo de BiaPy representa un
paso importante hacia la democratización de la visión artificial avanzada en microscopía. Su
diseño accesible y su enfoque en la colaboración abierta reducen las barreras técnicas,
facilitando que más investigadores y profesionales de la salud puedan aplicar visión artificial en
sus estudios. Su compatibilidad con diversos entornos computacionales y su naturaleza de
código abierto lo convierten en una plataforma con gran potencial para impulsar la innovación
y acelerar el descubrimiento científico”.