Nuevo método basado en IA para el análisis de tejidos mejora la comprensión de la patología de enfermedades

Científicos de la Universidad de Brown (Providence, RI, EUA) y la Universidad de Michigan (Ann Arbor, MI, EUA) han creado una técnica computacional innovadora para examinar datos complejos de tejidos, revolucionando potencialmente nuestra comprensión de las enfermedades y su tratamiento. El método, conocido como segmentación de tejidos integradora e informada por referencia (IRIS), utiliza aprendizaje automático e inteligencia artificial para proporcionar a los investigadores biomédicos información precisa sobre el desarrollo de tejidos, la patología de las enfermedades y la estructura de los tumores. IRIS emplea datos de transcriptómica resuelta espacialmente (SRT) e incorpora datos de secuenciación de ARN unicelular como referencia. Este enfoque permite el examen simultáneo de múltiples capas de tejido e identifica con precisión diferentes regiones con una velocidad y precisión computacional excepcionales. A diferencia de los métodos tradicionales que ofrecen datos promediados de muestras de tejido, la SRT ofrece una perspectiva mucho más detallada, localizando miles de puntos específicos dentro de una sola sección de tejido.

El manejo de conjuntos de datos vastos y complejos siempre ha planteado desafíos importantes, IRIS los aborda mediante el uso de algoritmos para examinar los datos, segmentando varios dominios funcionales, como áreas tumorales, y arrojando luz sobre las interacciones celulares y la dinámica de la progresión de la enfermedad. A diferencia de los métodos existentes, IRIS mapea directamente la composición celular de los tejidos y delinea dominios espaciales biológicamente significativos, mejorando la comprensión de las actividades celulares que impulsan las funciones de los tejidos. Los desarrolladores de IRIS lo probaron en seis conjuntos de datos SRT, evaluando su eficacia en comparación con otros métodos de análisis de dominio espacial. A medida que las tecnologías SRT ganen fuerza y se utilicen más ampliamente, los creadores de IRIS anticipan que contribuirá a identificar nuevos puntos de intervención clínica u objetivos farmacéuticos, mejorando así las estrategias de tratamiento personalizadas y, en última instancia, mejorando los resultados de salud de los pacientes.

Imagen: El nuevo método estadístico impulsado por IA tiene el potencial de mejorar la investigación de tejidos y enfermedades (foto cortesía de 123RF)

"El enfoque computacional de IRIS es pionero en una nueva vía para que los biólogos profundicen en la intrincada arquitectura de tejidos complejos, ofreciendo oportunidades incomparables para explorar los procesos dinámicos que dan forma a la estructura del tejido durante el desarrollo y la progresión de la enfermedad", dijo Xiang Zhou, profesor de bioestadística en la Escuela de Salud Pública de la Universidad de Michigan. "Al caracterizar estructuras de tejido refinadas y dilucidar sus alteraciones durante estados patológicos, IRIS tiene el potencial de revelar conocimientos mecanicistas cruciales para comprender y combatir diversas enfermedades". Los hallazgos de los investigadores se publicaron en la revista Nature Methods el 6 de junio de 2024.

Enlaces relacionados:
Universidad Brown
Universidad de Michigan