FungID: Ένα νέο εργαλείο για την αναγνώριση μυκήτων

Ένα εκλαϊκευμένο άρθρο βασισμένο στη δημοσίευση των Pouris, Konstantinidis,
Pyrri, Papageorgiou & Voyiatzaki (2025)

Οι μύκητες αποτελούν έναν από τους πιο πολυάριθμους και ποικιλόμορφους οργανισμούς στον πλανήτη μας. Από τη συμβολή τους στη διάσπαση οργανικών υλικών στα οικοσυστήματα, μέχρι τον ρόλο τους στην παραγωγή φαρμάκων ή και την πρόκληση ασθενειών, η κατανόηση και η σωστή αναγνώρισή τους έχει τεράστια σημασία. Παραδοσιακά, η αναγνώριση των μυκήτων βασίζεται σε μικροσκοπική παρατήρηση και καλλιέργειες. Ωστόσο, αυτές οι μέθοδοι είναι χρονοβόρες και απαιτούν υψηλή εξειδίκευση.

Η ερευνητική μας ομάδα από το Πανεπιστήμιο Δυτικής Αττικής και συνεργαζόμενους επιστήμονες ανέπτυξε πρόσφατα το FungID, ένα καινοτόμο λογισμικό που αξιοποιεί τεχνητή νοημοσύνη για την αναγνώριση μυκήτων με βάση το χρώμα και τα πρότυπα των αποικιών τους. Το έργο αυτό δημοσιεύτηκε στο επιστημονικό περιοδικό Pathogens (Pouris et al., 2025).

Γιατί είναι σημαντική η αναγνώριση των μυκήτων;

Οι μύκητες περιλαμβάνουν τόσο χρήσιμους όσο και παθογόνους οργανισμούς. Είδη όπως το Penicillium chrysogenum χρησιμοποιούνται για την παραγωγή αντιβιοτικών, ενώ άλλα, όπως είδη του γένους Aspergillus, μπορούν να προκαλέσουν σοβαρές μολύνσεις σε ανθρώπους με χαμηλό ανοσοποιητικό. Η ταχεία αναγνώριση τους είναι κρίσιμη για την υγεία, την αγροτική παραγωγή και τη βιοτεχνολογία (Hibbett et al., 2016).

Μέχρι πρόσφατα, οι πιο αξιόπιστες μέθοδοι ήταν οι μοριακές τεχνικές (π.χ. ανάλυση DNA) (Schoch et al., 2012). Ωστόσο, αυτές απαιτούν εξειδικευμένα εργαστήρια, υψηλό κόστος και χρόνο.

Η καινοτομία του FungID

Η βασική ιδέα του FungID είναι ότι κάθε είδος μύκητα παράγει μοναδικά χρωστικά μόρια όταν καλλιεργείται σε συγκεκριμένα θρεπτικά μέσα (Dufosse et al., 2014). Αυτά τα χρώματα αποτυπώνονται σε αποικίες με ιδιαίτερα μοτίβα. Το FungID χρησιμοποιεί τεχνητά νευρωνικά δίκτυα (Convolutional Neural Networks – CNNs) για να «διαβάσει» αυτές τις χρωματικές υπογραφές μέσα από φωτογραφίες αποικιών.

Στη μελέτη καλλιεργήθηκαν 10 διαφορετικά είδη μυκήτων, όπως Alternaria alternata, Fusarium sporotrichioides και διάφορα είδη Aspergillus, και λήφθηκαν εκατοντάδες φωτογραφίες. Ο αλγόριθμος εκπαιδεύτηκε με αυτά τα δεδομένα και πέτυχε ποσοστά ακρίβειας που έφταναν έως και 90% για ορισμένα είδη (Pouris et al., 2025).

Τι προσφέρει στην πράξη;

Το FungID προσφέρει:
• Ταχύτητα: αναγνώριση σε λίγα λεπτά από μια φωτογραφία.
• Ευκολία: δεν απαιτείται εξειδικευμένος εξοπλισμός. Αρκεί μια καλή εικόνα αποικίας σε τρυβλίο Petri.
• Χαμηλό κόστος: μπορεί να λειτουργήσει ως συμπληρωματικό εργαλείο στις κλασικές μεθόδους.
• Προσβασιμότητα: χάρη στο φιλικό γραφικό περιβάλλον, μπορούν να το χρησιμοποιήσουν όχι μόνο ερευνητές αλλά και τεχνικοί ή φοιτητές.

Παρότι το FungID δεν αντικαθιστά τη μοριακή ταυτοποίηση, μπορεί να λειτουργήσει ως ένα γρήγορο και αξιόπιστο πρώτο φίλτρο.

Προοπτικές

Η ερευνητική ομάδα αναγνωρίζει ότι το εργαλείο χρειάζεται περαιτέρω βελτίωση, κυρίως μέσω εκπαίδευσης με περισσότερα δεδομένα και περισσότερα είδη μυκήτων. Στο μέλλον, το FungID θα μπορούσε να χρησιμοποιηθεί στην ιατρική διάγνωση, στη γεωργία για τον έλεγχο φυτοπαθογόνων, αλλά και στη βιομηχανία τροφίμων όπου οι μύκητες συχνά παίζουν κρίσιμο ρόλο.
Η ανάπτυξη αυτής της μεθόδου δείχνει πώς η τεχνητή νοημοσύνη μπορεί να επιταχύνει διαδικασίες που παραδοσιακά απαιτούν πολύ χρόνο και κόπο.
Η εργασία των John Pouris, Konstantinos Konstantinidis, Ioanna Pyrri, Effie G. Papageorgiou και Chrysa Voyiatzaki αποτελεί ένα εξαιρετικό παράδειγμα συνεργασίας μεταξύ του Πανεπιστημίου Δυτικής Αττικής και άλλων ακαδημαϊκών ιδρυμάτων. Το FungID ανοίγει τον δρόμο για νέες, πρακτικές εφαρμογές της τεχνητής νοημοσύνης στη μικροβιολογία και δείχνει ότι η αναγνώριση των μυκήτων μπορεί να γίνει γρήγορη, οικονομική και προσβάσιμη.

Βιβλιογραφικές αναφορές

• Pouris, J.; Konstantinidis, K.; Pyrri, I.; Papageorgiou, E.G.; Voyiatzaki, C. (2025). FungID: Innovative fungi identification method with chromogenic profiling of colony color patterns. Pathogens, 14, 242.
• Hibbett, D. et al. (2016). Sequence-based classification and identification of fungi.
Mycologia, 108, 1049–1068.
• Schoch, C.L. et al. (2012). Nuclear ribosomal internal transcribed spacer (ITS) region as a universal DNA barcode marker for fungi. PNAS, 109, 6241–6246.
• Dufosse, L. et al. (2014). Filamentous fungi as large-scale producers of pigments and colorants. Current Opinion in Biotechnology, 26, 56–61.