Herramienta automatizada detecta señales tempranas de cáncer de mama
Actualizado el 11 Oct 2025
La ramificación es un proceso biológico vital que permite que órganos como los pulmones, los riñones y las mamas realicen funciones complejas. En las glándulas mamarias femeninas, la mayor parte de la ramificación ocurre después del nacimiento (durante la pubertad y el embarazo), cuando los conductos galactóforos se expanden para prepararlas para la lactancia. Las alteraciones en este proceso están estrechamente relacionadas con el riesgo de cáncer de mama. Sin embargo, estudiar la ramificación de las glándulas mamarias es difícil y requiere mucho tiempo, ya que los métodos tradicionales requieren cortar tejido y contar manualmente los conductos bajo un microscopio. Ahora, los científicos han desarrollado una nueva herramienta analítica que cuantifica la ramificación de las glándulas mamarias de forma rápida y precisa. Esta herramienta podría utilizarse para estudiar cómo los cambios hormonales y los tratamientos afectan a las glándulas mamarias o incluso para detectar signos tempranos de cáncer de mama.
Investigadores del Laboratorio Cold Spring Harbor (CSHL, Cold Spring Harbor, NY, EUA) crearon la herramienta de análisis de redes de glándulas mamarias, o MaGNet, para estudiar la estructura de las glándulas mamarias de ratones. El sistema aplica los principios de la teoría de redes a la imagenología biológica, traduciendo la compleja arquitectura de los conductos galactóforos en datos cuantificables. Con MaGNet, los investigadores pueden medir la longitud total de los árboles ductales, el número de conductos y alvéolos, y el grado de ramificación en imágenes teñidas de tejido mamario. El proceso se apoya en el software NetworkX, que representa gráficamente las estructuras como redes interconectadas para el análisis computacional.
La idea de MaGNet se inspiró en un modelo matemático aplicado originalmente a plantas, el cual fue adaptado para analizar los patrones de ramificación de las glándulas mamarias. En la práctica, los usuarios trazan los conductos en imágenes digitales de tejido y utilizan código informático para calcular los parámetros de la red. La herramienta elimina las inconsistencias causadas por el análisis manual y permite a los científicos visualizar toda la arquitectura ductal de una sola vez. El estudio que describe este método se publicó en la revista Journal of Mammary Gland Biology and Neoplasia.
Actualmente, MaGNet se ha probado en ratones, pero su diseño flexible permite modificarlo para otros sistemas de ramificación. Los desarrolladores de la herramienta prevén que podría utilizarse para investigar cómo las hormonas, las infecciones o las etapas de la vida, como el embarazo y la menopausia, afectan el desarrollo de las glándulas mamarias y el riesgo de cáncer. Además de la investigación básica, MaGNet podría contribuir a la detección temprana de enfermedades al identificar cambios estructurales sutiles en el tejido mamario antes de que los tumores se hagan visibles mediante imágenes o exploración física.
Esta tecnología representa un paso importante hacia la mejora del monitoreo de la salud mamaria mediante métodos cuantitativos basados en datos. Con un mayor desarrollo, MaGNet podría contribuir a comprender cómo las anomalías de ramificación indican el desarrollo temprano del cáncer, lo que en última instancia impulsará las capacidades diagnósticas y las estrategias preventivas en oncología.
“Siempre buscamos señales de alerta que surgen antes de que se pueda palpar un bulto o ver algo en una mamografía o ecografía”, dijo Steven Lewis, investigador de posgrado del Laboratorio Dos Santos en el Laboratorio Cold Spring Harbor. “Imaginemos que una herramienta automatizada pudiera indicar que aún no hay tumor, pero que hay cambios detectables. Esa es nuestra esperanza, nuestro sueño”.
Enlaces relacionados:
CSHL
