Herramienta con IA mejora análisis de tejido canceroso

Sin embargo, los métodos actuales dependen en gran medida de la inspección manual de portaobjetos teñidos al microscopio. Este proceso es laborioso, lento y, a menudo, limitado a pequeñas áreas de muestra, lo que genera variabilidad e ineficiencia. Ahora, un nuevo enfoque computacional permite extraer información celular y espacial detallada de portaobjetos de tejido tumoral con una precisión y escalabilidad sin precedentes.

Científicos de la Facultad de Medicina Icahn del Mount Sinai (Nueva York, EUA) han desarrollado MARQO, una herramienta de análisis de imágenes basada en inteligencia artificial (IA), diseñada para optimizar la evaluación de imágenes de inmunohistoquímica (IHQ) e inmunofluorescencia (IF). Estos métodos de tinción se utilizan ampliamente para detectar células inmunitarias y biomarcadores en tejidos cancerosos, y MARQO optimiza su análisis al integrar completamente el procesamiento de portaobjetos completos. La plataforma es compatible con múltiples tecnologías de tinción, lo que mejora la reproducibilidad y permite la comparación entre estudios.

MARQO aborda tres desafíos principales en patología digital. A diferencia de las herramientas que requieren dividir los portaobjetos en parches o costosos clústeres de procesamiento, MARQO procesa portaobjetos intactos en minutos mediante GPU estándar. Admite una amplia gama de tinciones de IHQ e IF, lo que facilita el análisis entre estudios, e identifica automáticamente las células positivas, registra las coordenadas y la intensidad de los marcadores, y envía los resultados a los patólogos para su validación. Esto preserva la supervisión experta a la vez que automatiza los pasos más laboriosos.

El estudio, publicado en Nature Biomedical Engineering, destaca el potencial de MARQO para transformar los flujos de trabajo de la investigación oncológica. Si bien actualmente está diseñado para fines de investigación, su compatibilidad con los métodos de tinción clínica estándar sugiere que sus futuras aplicaciones en patología diagnóstica son posibles. El equipo planea mejorar la interfaz de usuario, ampliar las herramientas de análisis espacial y adaptar la plataforma a la computación de alto rendimiento para respaldar estudios con millones de portaobjetos de tejido.

Al acelerar el análisis de imágenes, MARQO podría desempeñar un papel fundamental en el descubrimiento de biomarcadores, mejorando las predicciones sobre qué pacientes podrían beneficiarse de tratamientos específicos y optimizando la precisión del diagnóstico del cáncer. La capacidad de generar rápidamente datos estructurados a partir de portaobjetos complejos representa un paso significativo hacia una oncología más eficiente y personalizada.

“Diseñamos MARQO para cubrir una importante necesidad en este campo: convertir imágenes complejas de portaobjetos completos en datos estructurados y utilizables de forma rápida y consistente”, afirmó Sacha Gnjatic, PhD, autor principal del estudio. “Al automatizar el trabajo pesado, permitimos que los expertos se centren en la interpretación y el descubrimiento. Esta plataforma podría acelerar el descubrimiento de biomarcadores, mejorar la predicción de qué pacientes se beneficiarán de tratamientos específicos y, en última instancia, impulsar el desarrollo de diagnósticos de cáncer más precisos”.

Enlaces relacionados:
Facultad de Medicina de Icahn