AI per il tracciamento rigoroso e scalabile delle cellule Seguire le singole cellule nel tempo è una delle sfide computazionali più difficili della biologia. Le cellule si dividono, migrano e cambiano forma, e anche con microscopi potenti, il compito di ricostruire le linee di discendenza può sembrare un puzzle in cui i pezzi si spostano continuamente. Per decenni, gran parte di questo lavoro si è basata su euristiche o regole ad hoc, il che ha reso difficile la riproducibilità e i risultati difficili da confrontare tra i laboratori. Due articoli recenti mostrano come l'AI e la moderna computazione stiano trasformando questo campo. In OrganoidTracker 2.0, Betjes e coautori introducono un framework probabilistico che quantifica l'incertezza nelle assegnazioni di discendenza. Invece di semplicemente fornire una "migliore ipotesi", il metodo allega livelli di confidenza, consentendo ai ricercatori di identificare casi ambigui e garantire analisi più rigorose a valle. In parallelo, Bragantini e coautori presentano Ultrack, uno strumento progettato per la scalabilità e l'accessibilità. Integrando algoritmi avanzati di ottimizzazione e basati su grafi in piattaforme ampiamente utilizzate, Ultrack rende possibile elaborare set di dati di imaging su larga scala in modo efficiente, abbassando le barriere all'adozione. Insieme, questi progressi segnano un cambiamento nel tracciamento delle cellule: da euristiche fragili verso strumenti statisticamente fondati, scalabili e ampiamente utilizzabili. Dimostrano come l'AI non stia solo automatizzando un compito, ma lo stia riformulando in termini di riproducibilità, incertezza e integrazione con flussi di lavoro sperimentali reali. Articoli: &