Herramienta de IA ayuda a ver funcionamiento de células dentro del tejido enfermo

Los microscopios han sido fundamentales para el diagnóstico de enfermedades, permitiendo a los médicos examinar muestras de tejido teñidas. Sin embargo, la investigación médica moderna genera ahora una gran cantidad de datos adicionales, incluyendo mapas detallados de la actividad genética y proteica dentro de las células. Estos diversos tipos de datos son difíciles de interpretar en conjunto, lo que limita una comprensión completa del desarrollo y la progresión de las enfermedades. Un nuevo sistema de inteligencia artificial (IA) integra estos flujos de datos en un marco unificado, ofreciendo una visión más completa de la biología tisular y la enfermedad.

Investigadores de la Universidad de Yale (New Haven, Connecticut, EUA) han desarrollado una plataforma computacional llamada spEMO (integración multimodal espacial), diseñada para integrar imágenes de tejidos con información molecular y biológica. El sistema utiliza modelos fundacionales de patología entrenados con grandes conjuntos de datos para interpretar imágenes, conocimiento biológico basado en el lenguaje y señales moleculares. Al fusionar estos modelos en un espacio analítico compartido, spEMO permite el análisis coordinado de la estructura tisular, la expresión génica y la actividad proteica.

Los investigadores demostraron que la spEMO podía distinguir con mayor precisión regiones específicas dentro de los tejidos y predecir estados patológicos, en comparación con métodos basados en un solo tipo de datos. El sistema también identificó patrones de comunicación entre células y ayudó a generar borradores de informes médicos que integraban información visual y genética. En evaluaciones realizadas por patólogos expertos, los informes generados por IA se consideraron más completos y precisos que los basados únicamente en imágenes. Los hallazgos, publicados en Nature Biomedical Engineering, destacan el potencial de la IA multimodal en la investigación biomédica.

Utilizando conjuntos de datos de cáncer como ejemplo, la plataforma identificó posibles interacciones entre células inmunitarias dentro de los tumores combinando imágenes de tejido con la actividad genética prevista. Estos datos podrían mejorar la comprensión de la biología tumoral y las respuestas al tratamiento. Aunque aún se encuentra en fase de perfeccionamiento, los investigadores sugieren que el sistema podría acelerar la investigación, facilitar los procesos de diagnóstico y contribuir a la medicina personalizada. Al integrar múltiples señales biológicas, la tecnología ofrece un enfoque más holístico para el análisis de enfermedades.

“Este enfoque nos acerca a una visión más holística de la enfermedad”, afirmó el Dr. Hongyu Zhao, PhD, autor principal del estudio y profesor de bioestadística en la Escuela de Salud Pública de Yale. “Al combinar datos moleculares y la estructura tisular, podemos obtener información que de otro modo se perdería”.

Enlaces relacionados:
Universidad de Yale