Die Verwendung von Hochgeschwindigkeits-Videomikroskopie und künstlicher Intelligenz ermöglicht die Berechnung von Statistiken wie diastolischen und systolischen Durchmessern, fraktioneller Verkürzung und Auswurffraktion. Drosophila, auch bekannt als Fruchtfliegen, sind ein wertvolles Modell für die Pathophysiologie des menschlichen Herzens, einschließlich des Herzalterns und der Kardiomyopathie. Ein Engpass bei der Bewertung von Fruchtfliegenherzen ist jedoch die Notwendigkeit menschlicher Intervention, um das Herz in Momenten seiner größten Ausdehnung oder stärksten Kontraktion zu messen, wodurch Berechnungen der Herzdynamik ermöglicht werden.
Forscher an der University of Alabama in Birmingham zeigen nun einen Weg, um die Zeit für diese Analyse erheblich zu verkürzen, während mehr des Herzbezirks genutzt wird, indem sie Deep Learning und Hochgeschwindigkeits-Videomikroskopie für jeden Herzschlag der Fliege verwenden. Diese Methodik ermöglicht es, den Einfluss verschiedener Umwelt- oder genetischer Faktoren auf das Herzaltern oder Pathologie zu testen. Die automatisierte Beurteilung der Herzdynamik in alternden und dilatierten Kardiomyopathie-Drosophila-Modellen wird durch maschinelles Lernen unterstützt.
Das von Girish Melkani und seinem Team entwickelte Modell kann auf kommerziell erhältlicher Hardware angewendet werden und berechnete Statistiken wie diastolische und systolische Durchmesser/Intervalle, fraktionale Verkürzung, Auswurffraktion, Herzperiode/-rate und quantifizierte Arrhythmie des Herzschlags liefern. Diese innovative Plattform für Deep Learning-unterstützte Segmentierung wird erstmals für hochauflösende Hochgeschwindigkeitsmikroskopie von Drosophila-Herzen angewendet und alle relevanten Parameter quantifiziert.
Melkani betont, dass das Fruchtfliegenmodell bereits sehr leistungsfähig war, um die pathophysiologischen Grundlagen mehrerer kardiovaskulärer Erkrankungen des Menschen zu verstehen. Die automatisierten Bewertungen wurden anhand bestehender experimenteller Datensätze validiert und könnten auch auf menschliche Herzmodelle angewendet werden, um wertvolle Einblicke in die Herzgesundheit und -krankheit zu geben. Die Methodik hält großes Potenzial nicht nur für das Verständnis des Alterns und der Krankheit bei Fruchtfliegen, sondern auch für die Übertragung dieser Erkenntnisse auf die humanmedizinische Herzforschung.