علی ارتورک – دانشمند پیشگام ما که بافت شفاف‌شده را با هوش مصنوعی تحلیل می‌کند و رؤیاپردازی را برای علم خوب می‌داند

علی ارتورک می‌گوید برخی پژوهشگران برنامه‌هایش را «بسیار دور از دسترس» می‌خوانند و دیگران واژه‌های کم‌ادبانه‌تری به کار می‌برند. می‌تواند سخت خود را نقد کند، اما خود را نیز فردی در حوزه‌های متعدد از علوم اعصاب و نانوفناوری تا مهندسی پیشرفته و یادگیری عمیق، «رؤیاپرداز» می‌نامد. ارتورک، پژوهشگر دانشگاه لودویگ ماکسیمیلیان مونیخ، «تاکنون لذت‌بخش بود و هیجانش بیشتر می‌شود» می‌گوید. او مدیریت مؤسسه تازه مهندسی بافت و پزشکی بازساختی مرکز هلمهولتس نزدیک مونیخ را دارد. از 15 ملیت، آزمایشگاه 20 نفره‌ای با متخصص رایانه، علوم اعصاب، شیمی، مهندسی و میکروسکوپی دارد. از کتاب یووال نوح هراری، انسان خداگونه: تاریخ کوتاه فردا الهام می‌گیرد که طراحی خود انسان برای قرن 22 و تقویت پیشرفت علم با تلفیق تخصص‌ها را شرح می‌دهد. «این دقیقاً در زیست‌شناسی همراه یادگیری عمیق رخ می‌دهد» ارتورک می‌گوید.

پژوهش‌های علی ارتورک

در 2006 ارتورک کاری را که ورنر اشپالتهولتس، کالبدشناس پیشگام آلمانی یک قرن پیش انجام می‌داد، پاکسازی بافت، یعنی شفاف کردن آن آغاز کرد. برای آشکار کردن توان آن در دیدن ساختار دقیق مغز، میکروسکوپی فلورسانس و برچسب GFP را به کار گرفت. گروهش موشی را کاملاً شفاف و با میکروسکوپ اسکن لیزری تصویربرداری کرد تا تومور و متاستازها را در سطح تک‌سلول بررسی کنند.

در زیر، پژوهش فناوری تازه گروه علی ارتورک برای شناسایی حتی کوچک‌ترین متاستاز در سراسر بدن موش، DeepMACT ، مبتنی بر یادگیری عمیق یا شبکه عصبی چندلایه مصنوعی، خلاصه ویدیویی قابل مشاهده است (گزینه زیرنویس ترکی موجود است).

تاکنون در بسیاری مطالعات بافت و اندام 2 بعدی دیده می‌شد، اما تصویربرداری 3 بعدی با وجود دشواری روش‌شناختی زیاد اطلاعات دقیق‌تر و ارزشمندتر می‌دهد.

یک موش کامل مجموعه داده چهار ترابایتی شامل 100.000 تصویر می‌دهد که برای تحلیل دستی دقیق در زمان معقول بسیار بزرگ است. چون نور پیرامون بافت روشن‌تر است، آستانه‌گذاری استاندارد خطر از دست دادن داده داخل را دارد. ارتورک می‌گوید آزمایشگاه شفاف‌سازی باید برای تحلیل از روش هوش مصنوعی یادگیری عمیق استفاده کند، «وگرنه این حوزه چندان پیش نمی‌رود».

بخش تازه آزمایشگاه علی ارتورک، VesSAP: مسیر بخش‌بندی و تحلیل عروق

VesSAP، مسیر بخش‌بندی و تحلیل عروق. گروه در این کار همه رگ‌های مغز انواع موش، حتی مویرگ کوچک، را شفاف کرد. داده با Allen Mouse Brain Atlas هم‌ثبت شد.

VesSAP شبکه یادگیری ماشین پنج‌لایه کانولوشنی دارد. برای پرهیز از نیاز به داده آموزشی بزرگ از یادگیری انتقالی استفاده کردند: داده مصنوعی ساختند و با داده واقعی پالایش کردند. شبکه، «دقت در سطح انسان» به دست آورد، ارتورک می‌گوید. «راه کار با چنین داده بزرگی همین است» می‌گوید. گروه نمی‌خواست شبکه چندلایه مثل U-Net با میلیون‌ها پارامتر به کار ببرد. با الگوریتم خود و پارامتر کمتر به دقت مشابه U-Net رسیدند. «اما الگوریتم ما حدود 25 تا 50 برابر سریع‌تر است» می‌گوید. یعنی مسیر تحلیل تازه روی رایانه معمولی اجرا می‌شود. کاربران می‌توانند کل مسیر یا ماژول‌ها را دانلود کنند. «هرچه می‌خواهید بردارید، می‌توانید بگیرید» می‌گوید. عروق با تصویر 3D، الگوریتم، سند و نمونه هست. گروه ترکیب رنگ‌آمیزی شیمیایی را برای نمایان کردن رگ بزرگ و کوچک بررسی کرد. اکنون مسیر را برای تحلیل عروق کلیه شفاف‌شده انسان سازگار می‌کنند. «خیلی زیباست، چون کلیه انسان ساختاری شگفت‌انگیز دارد،» ارتورک می‌گوید. «سازمان‌یابی آن را با این جزئیات نمی‌دانیم.» برای اندام انسان باید شیمی و آرایش میکروسکوپ اسکن کل کلیه را تغییر می‌دادند. نقشه‌های 3D بخشی از برنامه بزرگ‌ترند، مانند نیاز معمار به نقشه آسمان‌خراش.

علی ارتورک کیست؟ تحصیلات

ارتورک در ترکیه بزرگ شد و کارشناسی زیست‌شناسی مولکولی و ژنتیک بیلکنت آنکارا را تمام کرد. آن زمان دو کارآموزی تابستانی در آزمایشگاه عصب‌زیست‌شناسی آمریکا، پزشکی ییل و هاروارد، گذراند. پیش‌تر نه آزمایشگاه پژوهشی دیده، نه از ترکیه بیرون رفته و نه سوار هواپیما شده بود. «برای من خیلی مهم بود» می‌گوید. برای دکتری علوم اعصاب به مؤسسه نوروبیولوژی ماکس پلانک رفت و روی تصویربرداری و شفاف‌سازی کار کرد. عکاسی کرد و جهان واقعی و میکروسکوپی را پیوند زد. «چیزی که دوست دارم عکاسی، به‌ویژه شب است.» همچنین با خانواده از جمله نوزادش وقت می‌گذراند. کتاب صوتی دوست دارد و سالی 70-80 کتاب می‌گیرد.

«تاکنون لذت‌بخش بوده و پیوسته هیجان‌انگیزتر می‌شود.»

ارتورک را، راهنمایش و مدیرعامل هلمهولتس مونیخ ماتیاس چوپ همراهی می‌کند؛ می‌گوید با تلفیق مهندسی نسل نو و هوش مصنوعی برای زیست‌پزشکی و دگرگونی آن حرکت کرده‌اند. «علی ارتورک با تخصص زیست‌پزشکی سامانه‌ای، تصویربرداری وضوح بالا و هوش مصنوعی، دانشمند ترکیبی لازم امروز برای مقابله با تهدید افزاینده سلامت جامعه را مجسم می‌کند» می‌گوید. فراتر از موفقیت علمی، «علی ذهن خلاقی دارد که به دیگران سرایت می‌کند.» متفکری ترکیب‌گر با توان تأثیرگذار هنرمند و عکاس موفق است. چوپ، «بسیار خوشحالیم تصمیم گرفت به‌عنوان یکی از مدیران مؤسسه به گروه بپیوندد» گفت.

ارتورک پسادکتری را در Genentech تمام کرد. امیدوار است فرهنگ تلفیق پژوهش و کاربرد در مؤسسه جدیدش باشد. منطقه خلیج سان‌فرانسیسکو و روح کارآفرینی آن را دوست داشت؛ به او اعتماد بررسی مهندسی و یادگیری عمیق داد. وقتی می‌گویند نمی‌تواند موفق شود، «نمی‌دانم، اما راه‌حلی پیدا می‌کنم؛ نگرش من این است» پاسخ می‌دهد.