果不其然, 2024 年諾貝爾物理學獎得主由普林斯頓大學的科學家約翰·霍普菲爾德和多倫多大學的傑佛瑞·辛頓共享殊榮，表彰他們藉由人工神經網絡實現機器學習的基礎性發現與發明。此即是 AI 技術 - 聯想神經網絡噢反向傳播算法和對比散度算法的發明，即是深度學習的人工智慧.


 

2024年諾貝爾化學獎頒給David Baker是為了「表彰他在計算蛋白質設計方面的成就」，至於John Jumper跟Demis Hassabis則是「表彰他們在蛋白質結構預測方面的成就」。這也證實 AI 的應用, 正式如火如荼的渲染在生命科學領域.
 
David Baker製造出全新種類的蛋白質；John Jumper跟Demis Hassabis則是開發了一個AI模型，解決了半世紀來的 夢想與難題：從氨基酸序列預測蛋白質的複雜結構。沒有蛋白質、生命就無法存在，人類現在可以預測蛋白質結構並且自己設計蛋白質，這對人類來說是最大的裨益。這些發現蕴藏巨大的潛力，因為生命的多樣性證明了蛋白質作為化學工具的驚人能力。由20種不同胺基酸組成的蛋白質控制並驅動所有的化學反應，這些化學反應是生命的基礎，蛋白質更具有荷爾蒙、訊號物質、抗體和構成不同組織的功能。人們可以利用不同的氨基酸，設計出不同於其他任何蛋白質的新蛋白質，應用在藥品、疫苗、奈米材料上。






AI - 人工智能 的輔助協作分析技術, 百家爭鳴, 強勢壓境, 勢不可擋. 此一趨勢, 主要還是要提升使用者的使用效率, 加速與提升更精準的使用結果, 進一步實現取得科研與檢測數據結果的可靠性與一致性.

然而, 在顯微鏡與顯微影像的應用領域, 是一塊更複雜的領域, 牽扯更複雜的系統控制, 分析, 也牽扯更複雜的分析樣本的複雜型態, 沒有一個是一模一樣的生物樣本, 有一部分還是活體動態的. 其中, 有些應用領域更是歸類到臨床分析, 是一個極為嚴謹的應用領域. 所以, AI 的輔助實作, 發展進程速度比較緩慢. 我們有鑑於此, 也早已布局進入該領域, 在台灣, 作為 AI 導入顯微影像系統的領頭羊, 一步一腳印, 引進策略夥伴的 AI 科技, 整合在不同顯微影像應用的領域, 一步一步往前推展 ........ 

從完美整合顯微鏡自動化, 導入 AI 技術的深層學習分析, Leica 的鐵三角軟體平台, 各司其責, 各有千秋 :

• Leica LAS X 操控顯微鏡的自動化整合, 包括量測分析與數據管理. 是顯微鏡平台的整合利器.
• Leica Aivia 是顯微影像的人工智能分析權威, 解決複雜的影像分析, 提升效能的利器
• Andor (Oxford) 是 3D/4D 多維影像的處理分析利器

當你有了鐵三角的軟體, 你已幾乎具有足夠的軟體平台來解決各類型的顯微鏡操控與智能分析. 

我們深知每個策略夥伴的 AI 技術, 各有千秋, 各有專門領域的專門強項, 我們公司主要還是側重在 AI 技術的輔助, 在現階段目標, 可以預期達到 :

1. 提升工作效率 (加速工作的推動)

    例如, 染色體掃描與辨識分析輸出報告, 可以從每一個病例, 平均需要 1.5 – 2.0 小時以上的工作時間, 經過 AI 協作, 可以達到  30 分鐘以下, 依統計, 平均節省約 60% 的工作時間 ( 相較傳統人力 ). 我們在此領域, 已有超過數百萬的案例, 都在持續進行中 !

    例如, 病理影像的分析, 可以從每一案例超過 一小時以上 的處理分析時間, 降到 幾分鐘 的時間而已.


2. 提高數據的精準度與可靠性 (減少人為誤差) - 99% 通過 AI, 1% 使用者監判

    通過 AI 的輔助, 深度學習 ( deep learning ) 可以處理龐大複雜的數據, 做出快速的分析. 提高工作效率達到
    難以想像的效能

    例如, 活細胞培養與細胞計數, 使用 Mateo FL 的 AI-輔助，只需 5 秒鐘 就能自動獲得準確的細胞計數， 
    平均可節省  15分鐘 的手動細胞計數時間。

    你可以探索 AIVIA 的深度學習技術 ........
    Deep Learning 101 (aivia-software.com)


Mateo FL 可以通過 AI 輔助的 匯合度測量 消除主觀猜測引起的誤差, 利用 AI 的自動圖像分析和深度學習, 進行高效、精確的 2D 細胞培養匯合度評估。提供先進解決方案，使匯合度評估變得高效且可重複，尤其是在處理動態和多樣化的細胞環境時. 可以增強實驗結果。



Find out how Mateo FL helps you eliminate guesswork and increase confidence in your downstream experiments using AI-assisted confluency measurements.
 





利用 AI 技術, 定量分析類器官 ( organoid )
Imaris AI image analysis workflow (pixel classification and object classification) used for quantitative analysis of organoids. Video courtesy of A. Boyreau, CNRS and L. Andrique VoxCell Facility, TBMcore