Prefacio#
Se me hace difícil el análisis de bioimágenes.
Después de trabajar en este campo durante más de 15 años, desarrollando algoritmos, software y talleres, siento que debería haber acumulado cierto nivel de experiencia, pero todavía siento que casi todos los nuevos proyectos que intento son difíciles. Sigue siendo común encontrarme deambulando por la casa, murmurando y refunfuñando para mis adentros, mientras lidio con algún problema de análisis complicado cuya solución se me escapa.
Si deseas leer un libro de alguien que confía bastante en su capacidad para analizar cuantitativamente cualquier imagen que se le presente, este no es el indicado para ti.
Soy lo suficientemente autorreflexivo como para reconocer que tal vez no sea muy bueno en lo que (trato de) hacer. Quizás no soy apto para una carrera en la que comencé casi por accidente. Sin embargo, me consuela un poco el hecho de que, a medida que conozco a más y más analistas de imagen, parece que la mayoría (¿si no todos?) de nosotros encontramos muchos aspectos de nuestro trabajo bastante difíciles.
Esto no quiere decir que a nadie le resulte fácil analizar imágenes biológicas y biomédicas. Me he encontrado con mucha gente que cree que en realidad es bastante simple: puedes ver las cosas en la imagen, ahora solo detectalas y cuantifícalas. Con ImagenJ. O IA. O algo. ¿Establecer un umbral? Haz lo que hicieron en ese periódico. Sólo ten las graficas de resumen para la reunión del grupo la próxima semana, ¿vale?
El problema es que, al menos en mi experiencia, esta actitud tiende a encontrarse exclusivamente entre personas que están demasiado temprano o demasiado tarde en sus carreras para tener que sentarse frente a una computadora y extraer información significativa de mil millones de píxeles que no cooperan. Aquellos de nosotros que necesitamos sentarnos frente a la computadora sabemos que no es tan sencillo.
Pero no quiero ponerme demasiado triste. El análisis de imágenes es difícil, pero hay buenas razones para no darse por vencido.
Yo diría que el problema no es que los conceptos sean difíciles. De hecho, los más importantes son notablemente sencillos, una vez que los conoces. Muchas de las matemáticas son aritmética básica.
Más bien, diría que el análisis de imágenes es difícil por dos razones principales:
Las imágenes en biología son enormemente variadas. Casi nada «simplemente funciona». Podría yo encontrar un artículo que describa un método maravilloso para detectar, clasificar y rastrear células, pero no hay garantía de que el método funcione para detectar, clasificar y rastrear mis células. Quizás tenga un tipo diferente de celula, tomada con otro tipo de microscopio. A diferente resolución espacial y temporal. Para responder a una pregunta diferente. En resumen, tengo un desafío computacional muy diferente al descrito en el artículo, incluso si el tema del «seguimiento de células» inicialmente lo hizo parecer similar.
El análisis de bioimágenes involucra muchas disciplinas. Analizar imágenes de una manera científicamente justificable normalmente requiere (al menos un poco) de conocimiento en muchos dominios. Por supuesto, es necesario conocer la cuestión científica, p. la biología. Pero para comprender realmente los datos, también es necesario conocer la configuración experimental, el hardware de imágenes, los límites fundamentales como el ruido y la difracción, y también cómo se representan, almacenan y (a veces) comprimen las imágenes digitales. Luego existe una gran cantidad de técnicas de procesamiento de imágenes que podrían ayudar a responder sus preguntas científicas. Necesitas saber no sólo cuáles son, sino también cómo ensamblarlos en una secuencia de pasos que funcione de manera confiable y con un sesgo mínimo, ya sea usando software existente o escribiendo un nuevo código. Y finalmente estadísticas para unirlo todo. Es mucho.
Pero en medio de toda esta variedad se esconden algunas de las cosas positivas del análisis de imágenes: es creativo, es desafiante (la mayoría de las veces en el buen sentido) y, porque es raro que un individuo sea un experto en todos los dominios relacionados; generalmente es colaborativo (o al menos debería serlo).
El hecho de que el análisis de bioimágenes sea tan interdisciplinario significa que prácticamente todo el mundo puede tener conocimientos valiosos que aportar.
Esto sustenta mi motivación al escribir este libro: quiero explicar los conceptos que uso todos los días como analista de imagen a personas que pasan sus días de manera diferente. No importa quién seas, sabes una gran cantidad de cosas que yo no sé. Mi esperanza es que si reunimos todo lo que sabemos, podamos investigar mejor y más rápido.
La única instrucción es: prepárate para pensar mucho.
Cuando me enfrento a un problema de análisis de imágenes, mi objetivo nunca es realmente encontrar la forma correcta de realizar el análisis. Eso generalmente no existe.
En cambio, mi objetivo es encontrar la forma menos errónea de hacer el análisis y ser capaz de comprender y explicar cualquier limitación y sesgo persistente que no pueda superarse por completo. Puede ser frustrante, todavía no me siento muy bien haciéndolo, pero es, a su manera, algo agradable. Siempre hay algo nuevo que aprender y algún nuevo ángulo desde el cual mirar el problema. Y cada nuevo ángulo puede ayudarnos a extraer más conocimientos de nuestros datos.
Mi esperanza es que este libro ayude a que otros encuentren el extraño y frustrante placer de pensar más profundamente en las imágenes científicas. A través de esto, espero que pueda hacer una pequeña contribución para ayudarnos a realizar un análisis de imágenes un poco mejor.