En estudios con roedores hembras, los investigadores deben identificar la etapa del ciclo estral de los roedores (una medida indirecta de los niveles de estrógeno) para considerar si este puede influir en los resultados de sus estudios. Cuando se realiza manualmente, la determinación del ciclo estral es un proceso laborioso que requiere un examen minucioso de frotis epiteliales vaginales.

Un equipo dirigido por Rachel Ross, MD, PhD, utilizó aprendizaje automático supervisado para desarrollar un método rápido, confiable y accesible para monitorear el ciclo estral en roedores hembra. Basándose en un conjunto de datos de imágenes de citología vaginal (335 imágenes para fines de capacitación, 45 para validación y 350 para pruebas), los investigadores entrenaron un modelo de inteligencia artificial al que llamaron Object Detection Estrous estadificación (ODES). El modelo demostró tener una precisión del 80% en promedio al identificar las etapas estrales de los roedores, a la par con la precisión humana y los modelos de clasificación de imágenes anteriores. Además, ODES acelera drásticamente el proceso de identificación, analizando 100 imágenes de prueba en 2,67 minutos, aproximadamente una décima parte del tiempo cuando se hace manualmente. Debería ser especialmente útil para estudios neuropsiquiátricos a gran escala que involucren roedores hembras. Los hallazgos se publicaron en línea el 10 de enero en Digital Psychiatry and Neuroscience .

El Dr. Ross, autor correspondiente del artículo, es profesor adjunto de psiquiatría y ciencias del comportamiento, de medicamento y del Departamento de Neurociencia Dominick P. Purpura de Einstein, además de médico a cargo en Montefiore. ODES fue desarrollado por los primeros autores del artículo, Benjamin Babaev, estudiante de pregrado del City College de Nueva York, y Saachi Goyal, estudiante de último año de la Academia de Tecnología de la Información e Ingeniería de Connecticut.