por el Centre de Regulació Genòmica (27/08/2024)
Un equipo de investigadores del Centro de Regulación Genómica (CRG), la Universidad del País Vasco (UPV/EHU), el Donostia International Physics Center (DIPC) y la Fundación Biofisica Bizkaia (FBB, ubicada en el Instituto Biofisika) han desarrollado una inteligencia artificial capaz de diferenciar las células cancerosas de las normales, así como de detectar las fases más tempranas de la infección vírica en el interior de las células. Los resultados, publicados el 27/08/24 en un estudio en la revista Nature Machine Intelligence , abren la puerta a mejores técnicas de diagnóstico y nuevas estrategias de seguimiento de la enfermedad.
La herramienta, AINU (AI of the NUcleus), escanea imágenes de células en alta resolución. Las imágenes se obtienen con una técnica de microscopía especial llamada STORM, que crea una imagen que captura muchos más detalles de los que pueden ver los microscopios convencionales. Las instantáneas de alta definición revelan estructuras con una resolución a escala nanométrica.
Un nanómetro (nm) es una milmillonésima parte de un metro, y una hebra de cabello humano tiene aproximadamente 100.000 nm de ancho. La IA puede detectar reordenamientos dentro de las células de hasta 20 nm, o 5.000 veces más pequeños que el ancho de un cabello humano. Estas alteraciones son demasiado pequeñas y sutiles para que los observadores humanos las detecten únicamente con los métodos tradicionales.
“La resolución de estas imágenes es lo suficientemente potente como para que nuestra IA reconozca patrones específicos y diferencias con una precisión notable, incluidos los cambios en la forma en que se organiza el ADN dentro de las células, lo que ayuda a detectar alteraciones muy pronto después de que se produzcan. Creemos que, algún día, este tipo de información puede permitir a los médicos ganar un tiempo valioso para controlar las enfermedades, personalizar los tratamientos y mejorar los resultados de los pacientes“, afirma la profesora de investigación ICREA Pia Cosma, coautora del estudio e investigadora del Centro de Regulación Genómica de Barcelona.
‘Reconocimiento facial’ a nivel molecular
AINU es una red neuronal convolucional, un tipo de IA diseñada específicamente para analizar datos visuales como imágenes. Entre los ejemplos de redes neuronales convolucionales se incluyen herramientas de IA que permiten a los usuarios desbloquear teléfonos inteligentes con su cara u otras que utilizan los automóviles autónomos para comprender y navegar por entornos mediante el reconocimiento de objetos en la carretera.
En medicina, las redes neuronales convolucionales se utilizan para analizar imágenes médicas como mamografías o tomografías computarizadas e identificar signos de cáncer que el ojo humano podría pasar por alto. También pueden ayudar a los médicos a detectar anomalías en imágenes por resonancia magnética o radiografías, lo que ayuda a realizar un diagnóstico más rápido y preciso.
AINU detecta y analiza estructuras diminutas dentro de las células a nivel molecular. Los investigadores entrenaron el modelo alimentándolo con imágenes de resolución nanométrica del núcleo de muchos tipos diferentes de células en diferentes estados. El modelo aprendió a reconocer patrones específicos en las células analizando cómo se distribuyen y organizan los componentes nucleares en el espacio tridimensional.
Por ejemplo, las células cancerosas presentan cambios distintivos en su estructura nuclear en comparación con las células normales, como alteraciones en la organización de su ADN o en la distribución de enzimas dentro del núcleo. Después del entrenamiento, AINU podría analizar nuevas imágenes de núcleos celulares y clasificarlas como cancerosas o normales basándose únicamente en estas características.
La resolución nanométrica de las imágenes permitió a la IA detectar cambios en el núcleo de una célula apenas una hora después de que fuera infectada por el virus del herpes simple tipo 1. El modelo pudo detectar la presencia del virus al encontrar ligeras diferencias en la densidad con la que está empaquetado el ADN, lo que ocurre cuando un virus comienza a alterar la estructura del núcleo de la célula.
“Nuestro método puede detectar células infectadas por un virus muy pronto después de que comience la infección. Normalmente, los médicos tardan un tiempo en detectar una infección porque se basan en síntomas visibles o cambios más grandes en el cuerpo. Pero con AINU, podemos ver cambios diminutos en el núcleo de la célula de inmediato“, afirma Ignacio Arganda-Carreras, coautor del estudio e investigador asociado Ikerbasque en la UPV/EHU y afiliado al Instituto FBB-Biofisika y al DIPC en San Sebastián/Donostia.
“Los investigadores pueden utilizar esta tecnología para ver cómo los virus afectan a las células casi inmediatamente después de entrar en el cuerpo, lo que podría ayudar a desarrollar mejores tratamientos y vacunas. En hospitales y clínicas, AINU podría utilizarse para diagnosticar rápidamente infecciones a partir de una simple muestra de sangre o tejido, haciendo que el proceso sea más rápido y preciso“, añade Limei Zhong, coautora principal del estudio e investigadora del Hospital Popular Provincial de Guangdong (GDPH) en Guangzhou, China.
Sentando las bases para la preparación clínica
Los investigadores tienen que superar importantes limitaciones antes de que la tecnología esté lista para ser probada o implementada en un entorno clínico. Por ejemplo, las imágenes de STORM sólo se pueden tomar con equipos especializados que normalmente sólo se encuentran en laboratorios de investigación biomédica. La instalación y el mantenimiento de los sistemas de imágenes que requiere la IA es una inversión significativa tanto en equipos como en experiencia técnica.
Otra limitación es que las imágenes STORM suelen analizar sólo unas pocas células a la vez. Para fines de diagnóstico, especialmente en entornos clínicos donde la velocidad y la eficiencia son cruciales, los médicos necesitarían capturar muchas más células en una sola imagen para poder detectar o monitorear una enfermedad.
“Hay muchos avances rápidos en el campo de la obtención de imágenes con STORM, lo que significa que los microscopios pronto podrán estar disponibles en laboratorios más pequeños o menos especializados y, con el tiempo, incluso en la clínica. Las limitaciones de accesibilidad y rendimiento son problemas más manejables de lo que pensábamos anteriormente y esperamos realizar experimentos preclínicos pronto“, afirma el Dr. Cosma.
Aunque los beneficios clínicos podrían tardar años en aparecer, se espera que la AINU acelere la investigación científica a corto plazo. Los investigadores descubrieron que la tecnología podría identificar células madre con una precisión muy alta. Las células madre pueden convertirse en cualquier tipo de célula del cuerpo, una capacidad conocida como pluripotencia. Las células pluripotentes se estudian por su potencial para ayudar a reparar o reemplazar tejidos dañados.
AINU puede hacer que el proceso de detección de células pluripotentes sea más rápido y preciso, ayudando a que las terapias con células madre sean más seguras y efectivas.
“Los métodos actuales para detectar células madre de alta calidad se basan en pruebas con animales. Sin embargo, todo lo que nuestro modelo de IA necesita para funcionar es una muestra que esté teñida con marcadores específicos que resalten las características nucleares clave. Además de ser más fácil y rápido, puede acelerar la investigación con células madre y, al mismo tiempo, contribuir al cambio en la reducción del uso de animales en la ciencia“, afirma Davide Carnevali, primer autor de la investigación e investigador del CRG.
Más información: Un método de aprendizaje profundo que identifica la heterogeneidad celular utilizando características nucleares a escala nanométrica, Nature Machine Intelligence (2024). DOI: 10.1038/s42256-024-00883-x
Si quieres contribuir al avance en proyectos de investigación como este, para conseguir vivir más tiempo disfrutando de buena salud, únete a la Fundación Longenia y sé parte de la revolución tecnológica y humana que está transformando cómo vivimos y trabajamos.
>>>Dona<<<
Longenia es miembro federado de la International Longevity Alliance
Fuente: Centre de Regulació Genòmica, a través del portal Medical Xpress