Técnica de imagen de alta sensibilidad detecta daño en mielina

El daño a la mielina, la capa aislante que ayuda a las células cerebrales a funcionar eficientemente, es una característica distintiva de muchas enfermedades neurodegenerativas, el deterioro cognitivo relacionado con la edad y las lesiones traumáticas. Sin embargo, estudiar este daño a gran escala ha sido difícil. La microscopía electrónica, si bien es el método de referencia para obtener detalles ultraestructurales, presenta importantes limitaciones: requiere una preparación exhaustiva, ofrece un campo de visión reducido y es demasiado lenta para el análisis de tejidos extensos. Un nuevo método de imagen aborda estas limitaciones al combinar la microscopía de birrefringencia (BRM) con el aprendizaje profundo para mapear el daño a la mielina en secciones completas del cerebro.

En un estudio realizado en la Facultad de Medicina Chobanian y Avedisian de la Universidad de Boston (Boston, MA, EUA), los investigadores demostraron que la BRM, un tipo de microscopio que captura información estructural sin tinción, puede obtener imágenes rápidas de grandes áreas del cerebro en alta resolución y servir como base para el análisis automatizado.

Su enfoque se basó en las ventajas de la BRM para visualizar la distribución del daño a la mielina. Al obtener imágenes de secciones cerebrales completas sin tintes especiales, los investigadores superaron las limitaciones de campo de visión y tiempo asociadas a los métodos tradicionales. Esto les permitió recopilar datos detallados de regiones que antes resultaban difíciles de estudiar a gran escala.

El equipo probó la técnica en dos grupos de modelos experimentales con lesiones localizadas en la corteza motora para simular un ictus. Un grupo recibió tratamiento con vesículas extracelulares derivadas de células madre y se recuperó completamente, lo que se reflejó en las imágenes de BRM. Posteriormente, los investigadores entrenaron un algoritmo de aprendizaje profundo para detectar y cuantificar automáticamente las áreas de mielina dañada en todo el cerebro. La comparación entre los modelos tratados y no tratados les permitió relacionar la extensión y la distribución de los cambios en la mielina con los resultados de la recuperación.

Sus hallazgos, publicados en la revista Neurophotonics, demuestran que este método combinado de imagen e inteligencia artificial permite identificar patrones de daño, mapear la acumulación de restos de mielina y ofrece un marco para el estudio de otras formas de pérdida de mielina. Los investigadores señalan que este enfoque contribuye a una comprensión más profunda de cómo los cambios estructurales en la mielina se relacionan con los déficits cognitivos y funcionales, lo que ayuda a fundamentar el desarrollo de futuras terapias. Asimismo, destacaron su potencial relevancia para el ictus, la lesión isquémica, la encefalopatía traumática crónica (ETC), la esclerosis múltiple, la enfermedad de Alzheimer y el deterioro cognitivo asociado a la edad.

“Una ventaja importante de la BRM sobre los métodos de imagen convencionales es su capacidad para obtener imágenes rápidas de grandes áreas con alta resolución sin tinción especial, lo que la hace idónea para estudiar la patología de la mielina generalizada”, dijo el autor correspondiente Alex Gray, PhD, '25.

Enlaces relacionados:
Facultad de Medicina Chobanian y Avedisian de la Universidad de Boston

Visitar la expo >

Miembro Platino

Analizador de coagulación automatizado

Hemolumi H6

New

Miembro Oro

Analizador totalmente automatizado de proteínas específicas (nefelometría)

PA240

ANALIZADOR DE ELECTROLITOS

BKE-B

CMV CLIA Diagnostic

CLIA CMV IgA Screen Group