System LarvixON AI, to aplikacja międzyplatformowa, które analizuje ruch larw, aby wspomóc identyfikację substancji w organizmie pacjenta. Projekt zdobył trzecie miejsce w konkursie CreatiWITy 2026 w kategorii projekt zespołowy. Opracowali go absolwenci Informatyki stosowanej we współpracy z Uniwersytetem Medycznym we Wrocławiu.

Projekt „LarvixON AI – diagnostyka toksyczności osocza z wykorzystaniem analizy behawioralnej larw” zrealizowali absolwenci Informatyki stosowanej: Patryk Łuszczek, Krzysztof Kulka, Mikołaj Kubś oraz Martyna Łopianiak. Promotorką była dr inż. Natalia Piórkowska. 

Jak wynika z prezentacji absolwentów celem projektu było stworzenie systemu, który w czasie krótszym niż 20 min dostarcza dane wspierające lekarzy w szybkiej identyfikacji substancji, takich jak narkotyki czy ksenobiotyki, mogących znajdować się w organizmie pacjenta.

Inspiracja z praktyki klinicznej

Punktem wyjścia do pracy była sytuacje medyczne, w której szybka diagnoza jest utrudniona przez pacjenta. 

– Zdarzają się przypadki, w których pacjent nie chce lub nie jest w stanie powiedzieć, co zażył. Jednocześnie różne substancje wymagają innych metod leczenia, a ich nieprawidłowe dobranie może być niebezpieczne – tłumaczy Krzysztof Kulka.

Autorzy rozwiązania opowiadają, że sytuacja, która zainspirowała ich do stworzenia tego projektu, miała miejsce w jednym z wrocławskich szpitali. Trafił tam chłopiec z objawami przedawkowania, który nie chciał powiedzieć, co zażył. 

Autorzy podkreślają, że choć istnieją testy wykrywające substancje, ich wykonanie może być czasochłonne.

– Standardowe metody laboratoryjne mogą trwać od kilkudziesięciu minut do kilku godzin. W przypadku naszego rozwiązania analiza może zająć ok. 10 min – podkreśla Patryk Łuszczek.

Od zachowania larw do informacji o substancji

Podstawą działania systemu jest wykorzystanie larw motylicy. W charakterystyczny sposób reagują one na różne substancje chemiczne, a ich zachowanie można przeanalizować z wykorzystaniem metod uczenia maszynowego.

Jak tłumaczą autorzy, w badaniach wykorzystywane jest osocze pacjenta, które podaje się larwom. Ich zachowanie w szkle laboratoryjnym, zwanym szalką Petriego jest nagrywane, a system analizuje materiał wideo i próbuje określić, jaka substancja mogła wywołać daną reakcję.

– Jeśli wiemy, jak larwy zachowują się pod wpływem konkretnych substancji, to obserwując ich ruch w szkle laboratoryjnym, możemy wnioskować, co zostało im podane, a pośrednio – co znajdowało się w osoczu pacjenta – mówi Mikołaj Kubś. 

Eksperymenty z larwami

Projekt powstał we współpracy z Uniwersytetem Medycznym we Wrocławiu, który dostarczył dane badawcze oraz prowadził analizę behawioralną z udziałem larw. Autorzy projektu bazowali głównie na kofeinie i alkoholu o różnych stężeniach. 

– Badania pokazały, że larwy zachowują się w sposób charakterystyczny w zależności od podanej substancji. Na przykład po kofeinie poruszają się szybciej, a po alkoholu tracą wrażliwość na światło – tłumaczy Krzysztof Kulka.

Jak zaznaczają autorzy, dostępne publicznie zbiory danych nie odpowiadały potrzebom projektu.

– Szukaliśmy gotowych zbiorów, ale nie znaleźliśmy takich, które zawierałyby nagrania larw z przypisanymi substancjami. Dlatego powstał nowy zbiór danych przygotowany we współpracy z Uniwersytetem Medycznym – tłumaczy Patryk Łuszczek.

Jak działa system?

LarvixON AI, to aplikacja, która przyjmuje nagranie wideo larw jako dane wejściowe, a następnie zwraca prawdopodobieństwa wskazujące, jaka substancja mogła zostać podana.

System wykorzystuje hybrydowy model uczenia maszynowego. Sieć CNN, czyli pierwszy z modeli odpowiada za ekstrakcję cech z obrazu, natomiast LSTM, drugi model uczenia maszynowego analizuje zmiany w czasie i na tej podstawie dokonuje klasyfikacji.

– Najpierw zamieniamy wideo na zestaw cech opisujących ruch, a następnie model analizuje ich zmienność i próbuje dopasować je do konkretnej substancji – wyjaśniają autorzy.

Jednym z największych wyzwań była jakość i spójność materiału wideo.

– Duża część naszej pracy polegała na przygotowaniu danych. Nagrania były różnej jakości, pojawiały się zakłócenia czy elementy niezwiązane z badaniem – mówi Krzysztof Kulka.

Dalsze kroki

Do trenowania modelu wykorzystano zasoby obliczeniowe Wrocławskiego Centrum Sieciowo-Superkomputerowego.

Projekt ma obecnie charakter prototypowy. Jego wdrożenie w praktyce klinicznej wymagałoby dalszych badań, rozwoju infrastruktury oraz spełnienia wymogów formalnych.