Una IA desarrollada en España puede detectar cáncer con gran precisión

Una inteligencia artificial capaz de diferenciar las células cancerosas de las células sanas, así como detectar las primeras etapas de una infección viral dentro de las células ha sido desarrollada por investigadores del Centro de Regulación Genómica (CRG), la Universidad del País Vasco (UPV/EHU), el Donostia International Physics Center (DIPC) y la Fundación Biofísica Bizkaia (FBB). Los hallazgos abren el camino para mejorar las técnicas de diagnóstico y desarrollar nuevas estrategias de monitoreo de enfermedades.

La herramienta se denomina AINU (Inteligencia Artificial del Núcleo) y analiza imágenes de alta resolución de células obtenidas mediante una técnica especial de microscopía llamada STORM, que permite capturar detalles mucho más finos que los que pueden observarse con microscopios convencionales. Estas imágenes de alta definición revelan estructuras a una resolución nanométrica.

Un nanómetro (nm) es la milmillonésima parte de un metro, y un cabello humano tiene aproximadamente 100.000 nm de ancho. La inteligencia artificial puede detectar cambios dentro de las células tan pequeños como 20 nm, es decir, 5.000 veces más pequeños que el ancho de un cabello humano. Estas alteraciones son demasiado diminutas y sutiles para ser detectadas por observadores humanos utilizando métodos tradicionales.

“La resolución de estas imágenes es lo suficientemente potente como para que nuestra inteligencia artificial reconozca patrones específicos y diferencias con una precisión notable, incluyendo cambios en la organización del ADN dentro de las células, lo que nos permite detectar alteraciones muy poco después de que ocurren. Creemos que, en el futuro, este tipo de información podría dar a los médicos un tiempo valioso para monitorear enfermedades, personalizar tratamientos y mejorar los resultados de los pacientes”, afirma la Profesora de Investigación de ICREA, Pia Cosma, coautora del estudio y científica del Centro de Regulación Genómica en Barcelona.

AINU distingue las células cancerosas de las células sanas

AINU es una red neuronal convolucional, un tipo de inteligencia artificial específicamente diseñada 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 su rostro o las que utilizan los coches autónomos para comprender y navegar por su entorno reconociendo objetos en la carretera.

En medicina, estas redes se emplean para analizar imágenes médicas como mamografías o tomografías computarizadas, y detectar signos de cáncer que podrían pasar desapercibidos para el ojo humano. También ayudan a los médicos a identificar anomalías en escáneres de resonancia magnética o radiografías, lo que permite 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 diferentes tipos de células en distintos estados. El modelo aprendió a reconocer patrones específicos en las células analizando cómo se distribuyen y organizan los componentes nucleares en un espacio tridimensional.

“Se puede usar 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”

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. Tras el entrenamiento, AINU pudo 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 inteligencia artificial detectar cambios en el núcleo de una célula tan pronto como una hora después de haber sido infectada por el virus del herpes simple tipo 1. El modelo podía identificar la presencia del virus al detectar ligeras diferencias en cómo se compacta el ADN, lo que ocurre cuando un virus comienza a alterar la estructura del núcleo celular.

“Nuestro método puede detectar células que han sido 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 pequeños cambios en el núcleo de la célula de inmediato”, comenta Ignacio Arganda-Carreras, coautor del estudio y Asociado de Investigación Ikerbasque en la UPV/EHU, afiliado al Instituto Biofisika FBB y al DIPC en San Sebastián/Donostia.

“Se puede usar 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. En hospitales y en la clínica, AINU podría utilizarse para diagnosticar infecciones a partir de una simple muestra de sangre o tejido, lo que hace que el proceso sea más rápido y preciso”, añade Limei Zhong, coautora principal del estudio e investigadora en el Hospital Provincial del Pueblo de Guangdong (GDPH) en Guangzhou, China.

Cuando se usará esta tecnología en el ámbito clínico

Los resultados del estudio se han publicado en la revista Nature Machine Intelligence. Los investigadores deben superar importantes limitaciones antes de que la tecnología esté lista para ser probada o implementada en un entorno clínico. Por ejemplo, las imágenes STORM solo pueden tomarse con equipos especializados que normalmente solo se encuentran en laboratorios de investigación biomédica. Configurar y mantener los sistemas de imagen requeridos por la inteligencia artificial supone una inversión significativa tanto en equipos como en conocimientos técnicos.

Otra limitación es que la imagen STORM típicamente analiza solo unas pocas células a la vez. Para fines de diagnóstico, especialmente en entornos clínicos donde la rapidez y la eficiencia son cruciales, los médicos necesitarían capturar muchas más células en una sola imagen para poder detectar o monitorear una enfermedad.

Aunque los beneficios clínicos podrían tardar años en llegar, se espera que 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 dependen de pruebas en animales. Sin embargo, todo lo que necesita nuestro modelo de inteligencia artificial es una muestra teñida con marcadores específicos que destaquen características nucleares clave. Además de ser más fácil y rápido, puede acelerar la investigación con células madre y contribuir a la reducción del uso de animales en la ciencia”, concluye Davide Carnevali, primer autor de la investigación e investigador en el CRG.

Fuente: Centro de Regulación Genómica (CRG)