Herramienta de IA analiza 30.000 puntos de datos por píxel de imágenes médicas en búsqueda de cáncer

La herramienta, llamada MISO (Multi-modal Spatial Omics), procesa grandes cantidades de datos y aplica información incluso a las regiones más pequeñas de las imágenes médicas. Tiene el potencial de guiar a los médicos hacia las terapias más efectivas para varios tipos de cáncer, según un artículo reciente sobre MISO publicado en Nature Methods.

MISO fue desarrollado por investigadores de la Escuela de Medicina Perelman de la Universidad de Pensilvania (Filadelfia, Pensilvania, EUA) para trabajar en el campo de la "multiómica espacial". Esta área de investigación tiene como objetivo obtener información sobre diferentes afecciones considerando la disposición física del tejido mientras se examinan varias modalidades "ómicas", como la transcriptómica (expresión genética), la proteómica (proteínas) y la metabolómica (metabolitos y sus procesos), entre otras. En la transcriptómica espacial, por ejemplo, un solo píxel de una imagen contiene entre 20.000 y 30.000 puntos de datos que deben analizarse en múltiples capas "ómicas", y este número puede aumentar significativamente si se consideran múltiples capas ómicas. En comparación, las resonancias magnéticas y las tomografías computarizadas solo tienen un punto de datos (tonos de gris) por píxel para interpretar. Sin herramientas de IA como MISO, a los médicos e investigadores les resultaría casi imposible descubrir la valiosa información que el sistema puede detectar.

Utilizando MISO, los investigadores descubrieron nueva información sobre varios tipos de cáncer, incluidos los cánceres de vejiga, gástrico y colorrectal, mediante el análisis de datos e imágenes de tejido donado por pacientes. En el cáncer de vejiga, MISO identificó un grupo específico de células responsables de formar estructuras linfoides terciarias, que se asocian con mejores respuestas a la inmunoterapia. En el cáncer gástrico, MISO pudo diferenciar las células cancerosas de la mucosa circundante. En el cáncer colorrectal, el sistema identificó varias subclases de células cancerosas, arrojando luz sobre las distintas células malignas dentro de un solo tumor. MISO también se utilizó para analizar estructuras de tejido cerebral no cancerosas.

Estos avances pueden orientar terapias más eficaces, mejorar las tasas de supervivencia y proporcionar información que es muy difícil, si no imposible, de obtener sin una herramienta de IA avanzada como MISO. En el futuro, el equipo pretende ampliar su conocimiento de la ómica espacial y la obtención de imágenes patológicas para mejorar las capacidades de MISO, incluida la capacidad de analizar múltiples muestras de tejido simultáneamente, lo que aumentaría enormemente su producción. Si bien algunos datos, como las marcas epigenéticas (sustancias químicas que regulan el ADN y están influenciadas por el medio ambiente), aún no se han medido ampliamente, el sistema de IA de MISO le permite "aprender" de la información que procesa, lo que le permite reconocer nuevos datos a medida que estén más disponibles.

“A medida que avanza el campo de la ómica espacial, se ha hecho posible medir múltiples modalidades ómicas a partir del mismo corte de tejido, lo que proporciona información complementaria y ofrece una visión más amplia y esclarecedora”, dijo Mingyao Li, PhD, autora principal del estudio y profesora de Bioestadística y Patología Digital. “MISO aborda un enorme desafío de datos al permitir el análisis simultáneo de todas las modalidades ómicas espaciales, así como imágenes de anatomía microscópica cuando están disponibles. Es el único método que puede manejar conjuntos de datos como estos con cientos de miles de células por muestra”.

Enlaces relacionados:
Escuela de Medicina Perelman