Sistema de imágenes de tejido profundo impulsado por IA permite visualización del funcionamiento interno de células y tejidos

Esta limitación afecta a los microscopios ópticos tradicionales que se encuentran comúnmente en entornos educativos y médicos, lo que dificulta su capacidad para visualizar claramente entidades minúsculas como virus, bacterias y estructuras celulares internas intrincadas. Sin embargo, la llegada de la microscopía de localización de moléculas individuales ha roto esta barrera, mejorando la resolución de la observación basada en la luz de 10 a 100 veces. Ahora, la integración de la inteligencia artificial (IA) en estos sistemas avanzados de imágenes de "superresolución" está permitiendo a los científicos observar el funcionamiento interno de las células y los tejidos sin ninguna limitación.

La creciente integración de la IA en diversos campos ha dado lugar a avances significativos en la tecnología de imágenes de tejidos profundos, uno de los desarrollos más emocionantes de la ciencia moderna. Este progreso permite obtener conocimientos más profundos y detallados sobre los procesos biológicos más básicos, iluminando aspectos del desarrollo humano y diversas enfermedades. Actualmente se está viendo una aplicación notable de la IA en el campo biomédico, donde se emplea para controlar y mejorar las capacidades de la microscopía de una sola molécula. Esta innovación ha dado lugar a posibilidades innovadoras en imágenes ópticas a nanoescala, permitiendo una visualización detallada de la ultraestructura 3D del cerebro y las fibrillas de beta amiloide, tanto en estados sanos como enfermos, ofreciendo información potencial sobre afecciones como el autismo y la enfermedad de Alzheimer.

El último avance logrado en esta área a través de una colaboración de varios laboratorios que incluyó a investigadores de la Universidad Purdue (Lafayette, IN, EUA) implica el desarrollo de óptica adaptativa impulsada por aprendizaje profundo dentro de los sistemas de imágenes. Los investigadores han creado un mecanismo que utiliza IA para monitorear imágenes de emisión de una sola molécula, evaluar las distorsiones complejas causadas por el tejido y ajustar de forma autónoma un sofisticado dispositivo de espejo de 140 elementos en tiempo real para corregir y estabilizar estas distorsiones. Este avance ha permitido obtener imágenes de tejido profundo con súper resolución a través de muestras de hasta 250 μm de espesor, una mejora significativa con respecto a las capacidades anteriores. Con una resolución de 20-70 nm, esta tecnología ha delineado con éxito la ultraestructura de las espinas dendríticas y las fibrillas de beta amiloide en el cerebro, lo que supone un importante paso adelante en este campo.

“Obtener imágenes a través de los tejidos es un desafío debido a la distorsión y la borrosidad, llamada aberración, causada por los componentes extracelulares e intracelulares altamente abarrotados. En nuestros sistemas de imágenes, que detectan biomoléculas individuales en el espacio tridimensional del tejido con una precisión de hasta unos pocos nanómetros, la aberración es el factor que impide visualizar la arquitectura del tejido molecular en su definición completa”, dijo Fang Huang, cuyo equipo de investigación construyó el nuevo motor de IA.

"Esta tecnología llegó en un momento único", dijo Landreth, cuyo laboratorio se centra en las bases biológicas de la enfermedad de Alzheimer y en cómo los factores de riesgo genéticos influyen en la patogénesis de la enfermedad", añadió Gary Landreth, profesor Martin de Investigación del Alzheimer en la Facultad de Medicina de la Universidad de Indiana. “Con la reciente validación de la focalización terapéutica del amiloide y la preservación de la función cognitiva para la enfermedad de Alzheimer, nuestro sistema de imágenes de tejido profundo impulsado por IA está posicionado para avanzar en la comprensión de la EA y evaluar posibles terapias. Este es un momento particularmente emocionante dada la reciente aprobación de la FDA de nuevos medicamentos contra la EA”.

Enlaces relacionados:
Universidad de Purdue