UPV y DIPC desarrollan una inteligencia artificial para detectar el cáncer y virus

La herramienta, denominada AINU (AI of the NUcleus), escanea imágenes de alta resolución de las células que se obtienen con una técnica especial de microscopía llamada Storm, capaz de crear una imagen que captura muchos más detalles de los que pueden ver los microscopios normales. Las instantáneas de alta definición revelan estructuras con una resolución a escala nanométrica y permiten observar lo que ocurre dentro de las células. Por ejemplo, permiten detectar y analizar estructuras diminutas en su interior a nivel molecular.

Para llegar a este nivel de precisión, los investigadores entrenaron a AINU alimentándola con imágenes de resolución nanométrica del núcleo de muchos tipos diferentes de células en distintos estados. A fuerza de ver estas imágenes, el modelo aprendió a reconocer patrones específicos en las células al analizar cómo se distribuyen y organizan los componentes nucleares en el espacio tridimensional. Gracias a esta habilidad se ha dado un paso más en la lucha contra el cáncer.

Las células cancerosas tienen cambios distintivos en su estructura nuclear en comparación con las células normales, como alteraciones en la forma en que se organiza su ADN o la distribución de enzimas dentro del núcleo. Después del entrenamiento, AINU pudo analizar nuevas imágenes de núcleos celulares y clasificarlas como cancerosas o normales basándose solo en estas características.

La herramienta permitió también detectar cambios en el núcleo de una célula solo una hora después de que fuera infectada por el virus del herpes. El modelo fue capaz de localizar la presencia del virus al encontrar pequeñas diferencias en la densidad del ADN, que es lo que ocurre cuando un virus comienza a alterar la estructura del núcleo de la célula. «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», afirma Ignacio Arganda-Carreras, investigador Ikerbasque en la UPV y afiliado al DIPC. Es como la cámara de un sistema de seguridad que sorprende al ratero que acaba de entrar sacándola una fotografía.

Poder ver cómo los virus afectan a las células casi inmediatamente después de entrar en el cuerpo podría ayudar a desarrollar mejores tratamientos y vacunas. En hospitales y en la clínica, sería posible utilizar AINU para diagnosticar infecciones a partir de una simple muestra de sangre o tejido, lo que hace que el proceso sea más rápido y preciso.

Los autores del estudio han descubierto además que la tecnología puede identificar con una precisión muy alta células madre, que pueden convertirse en cualquier tipo de célula del cuerpo y se estudian por su potencial para ayudar a reparar o reemplazar tejidos dañados. AINU puede hacer que el proceso de detección de células madre sea más rápido y preciso, y ayudaría a que las terapias resultantes sean más seguras y efectivas.

Aunque los beneficios clínicos de la nueva herramienta pueden tardar años en llegar, se espera que a corto plazo AINU acelere la investigación científica. No obstante, hay que superar importantes limitaciones antes de que la tecnología esté lista para ser probada o implementada en un entorno clínico. Por un lado, las imágenes Storm solo se pueden tomar con equipos especializados que normalmente solo se encuentran en laboratorios de investigación biomédica. La instalación y el mantenimiento de los sistemas de imágenes que requiere la IA es una inversión importante tanto en equipos como en competencias técnicas.

Otra limitación es que las imágenes Storm analizan 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.

A pesar de estos obstáculos, los investigadores son optimistas. «Las limitaciones de accesibilidad y rendimiento son problemas más manejables de lo que pensábamos y esperamos realizar experimentos preclínicos pronto», sostienen.