Método novedoso de análisis basado en IA descubre nuevos conocimientos sobre la progresión de la ELA

La esclerosis lateral amiotrófica (ELA) es una condición fatal en la que las neuronas motoras, cruciales para el control del movimiento, mueren progresivamente. Actualmente, no existe cura para la ELA y los pacientes suelen vivir entre 2 y 5 años después del diagnóstico. Ahora, en un nuevo estudio publicado en Science Advances, los investigadores han demostrado cómo aprovechar la inteligencia artificial (IA) para obtener conocimientos más profundos sobre la progresión de la ELA.

El estudio, dirigido por investigadores de la Facultad de Psicología y Neurociencia de la Universidad de St Andrews (Escocia, Reino Unido), en colaboración con el Departamento de Neurociencia de la Universidad de Copenhague (Copenhague, Dinamarca), encontró que ciertos circuitos neuronales que controlan el movimiento se ven comprometidos en las primeras etapas de la enfermedad, mientras que otros se deterioran más tarde a medida que la enfermedad avanza. Las técnicas utilizadas en el estudio permiten el análisis simultáneo de múltiples tipos de células dentro de la médula espinal, mejoradas por un innovador método analítico impulsado por IA. Esto permitió la identificación de redes específicas de células que se ven afectadas al principio del proceso de la enfermedad antes de que las neuronas motoras mueran realmente. Estas redes incluyen subgrupos de interneuronas inhibitorias, que son esenciales para activar las neuronas motoras que controlan movimientos como caminar y correr.

Los hallazgos indican que diferentes tipos de células, a saber, interneuronas inhibidoras y excitadoras que regulan diversos aspectos del movimiento mediante la activación de neuronas motoras, se ven afectadas en diferentes etapas de la ELA. Las interneuronas inhibidoras se ven afectadas en las primeras etapas de la enfermedad, mientras que las interneuronas excitadoras sufren a medida que avanza la enfermedad. El método basado en IA desarrollado por el equipo mejora la cuantificación de estos datos. Su enfoque utiliza técnicas avanzadas para identificar qué tipos de células contribuyen de manera clave a la enfermedad. Estas células son notablemente diversas y están mezcladas dentro de la médula espinal, lo que las hace difíciles de estudiar simultáneamente. El modelo de IA desarrollado por el equipo ayuda a superar estos desafíos y arroja luz sobre nuevos posibles objetivos de tratamiento. Esta metodología está disponible en línea, con el objetivo de apoyar más investigaciones en este campo.

"Utilizamos técnicas que nos permiten visualizar y cuantificar múltiples genes al mismo tiempo con resolución unicelular en la médula espinal del modelo de ratón con ELA", dijo la investigadora principal Dra. Ilary Allodi, profesora de Neurociencia de Sistemas en la Escuela de Psicología y Neurociencia. “Cada tipo de célula puede ser identificado por un conjunto específico de genes, pero estos genes necesitan ser visualizados simultáneamente. Al usar estas técnicas transcriptómicas, pudimos diferenciar entre poblaciones inhibitorias y excitatorias y entre sus subpoblaciones. Esto nos permitió investigar su destino durante las diferentes etapas de la progresión de la enfermedad”.

Enlaces relacionados:
Universidad de St Andrews
Universidad de Copenhague

Visitar la expo >

Miembro Oro

Automatic Hematology Analyzer

CF9600

Software de laboratorio
Acusera 24•7

Analizador de coagulación automatizado

Hemolumi H6

Clinical Informatics Platform

CLARION™