Investigadores del Centro de Regulación Genómica (CRG) de la Universidad del País Vasco (UPV/EHU), Donostia International Physics Center (DIPC) y la Fundación Biofisica Bizkaia (FBB, ubicada en el Instituto de Biofísica) han desarrollado una inteligencia artificial que diferencia Segregación de células normales a partir de células cancerosas, así como detección de etapas muy tempranas de infección viral dentro de las células. Los hallazgos fueron publicados en un estudio publicado hoy en la revista La naturaleza es inteligencia artificialAllanando el camino para mejores técnicas de diagnóstico y nuevas estrategias de seguimiento de enfermedades
Herramienta, AINU (AI de NoCleus), mediante el escaneo de imágenes de células de alta resolución. Las imágenes se obtienen mediante una técnica de microscopía especial llamada STORM, que crea una imagen que captura detalles mucho más finos que los que pueden ver los microscopios normales. Las instantáneas de alta definición revelan la estructura a una resolución a nanoescala.
Un nanómetro (nm) es una milmillonésima parte de un metro y un mechón de cabello humano tiene aproximadamente 100.000 nm de ancho. La IA puede detectar reordenamientos dentro de células de 20 nm, o 5.000 veces más pequeñas que el ancho de un cabello humano. Estos cambios son demasiado pequeños y sutiles para que los observadores humanos los detecten únicamente con métodos tradicionales.
“La resolución de estas imágenes es lo suficientemente fuerte como para que nuestra IA detecte patrones y diferencias específicos con una precisión notable, incluidos cambios en cómo se organiza el ADN dentro de las células, lo que ayuda a detectar cambios muy pronto después de que ocurren. Creemos que algún día, este tipo de información La ayuda podría ganar a los médicos un tiempo valioso para monitorear la enfermedad, personalizar el tratamiento y mejorar los resultados de los pacientes”, dijo la profesora de investigación ICREA Pia Cosma, coautora del estudio e investigadora en el 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. Ejemplos de redes neuronales convolucionales incluyen herramientas de inteligencia artificial que permiten a los usuarios desbloquear teléfonos inteligentes con la cara, u otras utilizadas por vehículos autónomos para reconocer objetos en la carretera y comprender y navegar por el entorno.
En medicina, las redes neuronales convolucionales se utilizan para analizar imágenes médicas como mamografías o tomografías computarizadas y detectar signos de cáncer que el ojo humano podría pasar por alto. Pueden ayudar a los médicos a detectar anomalías en las resonancias magnéticas o las imágenes de rayos X, lo que ayuda a realizar diagnósticos más rápidos y precisos.
AINU detecta y analiza pequeñas estructuras dentro de las células a nivel molecular. Los investigadores entrenaron el modelo alimentándolo con imágenes de resolución a nanoescala de diferentes tipos de núcleos celulares en diferentes estados. El modelo aprende a reconocer patrones específicos en las células analizando cómo se distribuyen y organizan los componentes nucleares en un espacio tridimensional.
Por ejemplo, las células cancerosas tienen cambios distintos en la estructura nuclear en comparación con las células normales, como cambios en la organización de su ADN o la distribución de enzimas dentro del núcleo. Después del entrenamiento, AINU puede analizar nuevas imágenes de núcleos celulares y clasificarlas como cancerosas o normales basándose únicamente en estas características.
La resolución a nanoescala de las imágenes permite detectar cambios en el núcleo de las células AI una hora después de la infección con el virus del herpes simple tipo 1. El modelo puede detectar la presencia de virus buscando ligeras diferencias en la densidad del ADN, lo que ocurre cuando un virus comienza a cambiar la estructura del núcleo de una célula.
“Nuestro método puede detectar células infectadas con un virus muy poco después de que comienza la infección. Por lo general, a los médicos les lleva tiempo detectar una infección porque se basan en síntomas visibles o cambios importantes en el cuerpo. Pero con AINU, podemos. pequeños cambios en el núcleo”, afirma Ignacio Arganda-Carreras, coautor del estudio e Investigador Asociado Ikerbask en la UPV/EHU y afiliado al Instituto FBB-Biofísica y DIPC de San Sebastián/Donostia.
“Los investigadores pueden utilizar esta tecnología para ver cómo los virus afectan a las células inmediatamente después de ingresar al cuerpo, lo que podría ayudar a desarrollar mejores tratamientos y vacunas, haciendo que el proceso sea más rápido y preciso”, dijo el coautor del estudio del Hospital Popular Provincial de Guangdong (GDPH). en Guangzhou, China, añadió el primer autor e investigador Limei Zhong.
Sentar las bases para la preparación clínica
Los investigadores deben superar limitaciones importantes antes de que la tecnología esté lista para ser probada o implementada en entornos clínicos. Por ejemplo, las imágenes STORM sólo se pueden tomar con equipos especiales que normalmente sólo están disponibles en laboratorios de investigación biomédica. Configurar y mantener los sistemas de imágenes requeridos por la IA es una inversión significativa tanto en equipos como en experiencia técnica.
Otra limitación es que las imágenes STORM normalmente analizan sólo unas pocas células a la vez. Con fines de diagnóstico, especialmente en entornos clínicos donde la velocidad y la eficiencia son fundamentales, los médicos necesitan capturar una mayor cantidad de células en una sola imagen para poder detectar o monitorear una enfermedad.
“Hay avances muy rápidos en imágenes STORM, lo que significa que los microscopios pronto estarán disponibles en laboratorios más pequeños o menos especializados y, eventualmente, incluso en la clínica. Las limitaciones de accesibilidad y rendimiento son problemas más manejables de lo que pensábamos anteriormente y pronto realizaremos investigaciones preliminares. Es de esperar que se realicen ensayos clínicos”, afirmó el Dr. Cosma.
Aunque el beneficio clínico puede tardar años, se espera que AINU acelere la investigación científica en el corto plazo. Los investigadores han descubierto que la tecnología puede identificar células madre con muy alta precisión. 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 identificación 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 la identificación de células madre de alta calidad se basan en pruebas con animales. Sin embargo, lo único que necesitan nuestros modelos de IA es una muestra teñida con marcadores específicos que resaltan características nucleares clave. Además de ser simple y rápido, puede acelerar la identificación de células madre. “La investigación con células contribuye al cambio para reducir el uso de animales en la ciencia”, afirmó David Carnevalli, primer autor del estudio e investigador del CRG.