Precisão aprimorada em análises de cultura celular: aproveitando a inteligência artificial para avaliação imparcial e não destrutiva do crescimento e da viabilidade celular

Por que monitorar as células é importante

Por trás de cada novo teste de medicamento ou experimento de biologia básica há células vivas crescendo em pratos plásticos. Pesquisadores precisam saber quantas células têm, quão rápido elas crescem e quantas ainda estão vivas. Hoje isso é frequentemente feito a olho, manualmente ou com corantes químicos, o que é lento, caro e sujeito a erro humano. Este estudo apresenta o SnapCyte, uma ferramenta de inteligência artificial que interpreta fotos simples de microscópio para avaliar rapidamente o crescimento e a saúde celular, sem reagentes adicionais ou máquinas caras.

Uma nova forma de observar o crescimento celular

Os autores propuseram substituir verificações subjetivas e manuais por uma abordagem mais objetiva. Construíram o SnapCyte para analisar imagens comuns de células feitas com microscópios padrão ou mesmo smartphones. O sistema foca em três questões básicas: quanto do prato está coberto por células (confluência), quantas células estão presentes (contagem) e que fração está viva versus morta (viabilidade). Para treinar o software, reuniram um grande conjunto de imagens cuidadosamente rotuladas de muitos tipos celulares, recipientes de cultura e condições de imagem. Peritos humanos traçaram áreas celulares e contaram células, e esses exemplos foram usados para ensinar modelos de deep learning a reconhecer padrões ligados à cobertura, ao número e à saúde celular.

Ensinando o computador a ver como um especialista em células

Para avaliar quanto da superfície está coberta por células, a equipe usou um tipo de rede de análise de imagem que pode transformar cada pixel numa decisão simples de “célula” ou “não célula”. Treinaram e corrigiram iterativamente esse modelo até que alcançasse mais de 90% de acurácia em imagens de teste independentes. As estimativas de cobertura do SnapCyte alinharam-se quase perfeitamente com as dos especialistas humanos e superaram claramente várias outras ferramentas de software populares. O sistema também permaneceu preciso quando a qualidade e a resolução das imagens mudaram, sugerindo que pode lidar com a iluminação desigual, foco e contraste típicos do trabalho diário em laboratório.

Da cobertura às contagens e à saúde celular

Contar células individuais e decidir quais estão vivas é mais difícil, especialmente quando células se sobrepõem ou variam de tamanho. Para isso, os pesquisadores adaptaram uma rede existente de segmentação celular e a retreinaram em imagens de muitos tipos celulares, células sanguíneas e até esferas plásticas de tamanhos conhecidos. Usaram um processo “humano-no-circuito”, corrigindo erros e adicionando exemplos mais desafiadores repetidamente até o modelo encontrar mais de 95% das células, raramente confundindo detritos com células. Um modelo acompanhante aprendeu a estimar o tamanho celular e a separar células vivas de células mortas coradas com corantes comuns. Em testes com amostras mistas de vivas e mortas, os resultados do SnapCyte diferiram das contagens de especialistas humanos em menos de cinco por cento, enquanto abordagens anteriores de aprendizado de máquina apresentaram erros muito maiores.

Colocando a IA à prova contra métodos clássicos de laboratório

Em seguida, a equipe perguntou se o SnapCyte poderia substituir ou igualar testes padrão de crescimento e toxicidade usados em pesquisa e desenvolvimento de fármacos. Compararam suas medidas de cobertura celular com contagens diretas de células, com ensaios baseados em cor que acompanham o metabolismo e com um instrumento comercial de imagem de células vivas. Em várias linhagens celulares e experimentos com tratamentos farmacológicos, as leituras do SnapCyte acompanharam de perto esses métodos estabelecidos e frequentemente mostraram menos variação entre usuários. A ferramenta também pôde estimar quanto tempo as células levam para dobrar de número e forneceu valores de sensibilidade a drogas que corresponderam a dados publicados, usando menos placas, menos reagentes e muito menos tempo operacional.

O que isso significa para o trabalho cotidiano em laboratório

No geral, o estudo mostra que imagens simples de culturas celulares contêm informação visual suficiente para que um sistema de IA treinado julgue quantas células estão presentes e quão saudáveis elas são, sem tocar nas células ou adicionar produtos químicos. O SnapCyte fornece medições rápidas e consistentes, em grande parte independentes de quem o usa ou do microscópio disponível. Para cientistas em atividade, isso pode tornar verificações rotineiras do crescimento celular mais confiáveis e menos trabalhosas, preservando as próprias células para experimentos futuros.

Citação: Wong, C.P., Khazamipour, N., Aalibagi, S. et al. Enhanced precision in cell culture analytics: leveraging artificial intelligence for unbiased and non-destructive assessment of cell growth and viability. Cell Death Discov. 12, 234 (2026). https://doi.org/10.1038/s41420-026-03116-9

Palavras-chave: cultura celular, inteligência artificial, contagem de células, viabilidade celular, análise de imagens