Investigadores de la Universidad de Finlandia Oriental, la Universidad de Turku y la Universidad de Tampere han desarrollado un método basado en inteligencia artificial para la tinción virtual de muestras de tejido histopatológico como parte del consorcio nórdico ABCAP. La tinción química ha sido la piedra angular del estudio de la histopatología durante más de un siglo y se aplica ampliamente, por ejemplo, en el diagnóstico del cáncer.

«La tinción química hace visible la morfología de las secciones de tejido casi transparentes y de bajo contraste. Sin ella, analizar la morfología de los tejidos es casi imposible para la visión humana. La tinción química es irreversible y, en la mayoría de los casos, impide utilizar la misma muestra para otros experimentos o mediciones», explica la investigadora universitaria y vicedirectora del Instituto de Biomedicina de la Universidad de Finlandia Oriental Leena Latonen, que dirigió la parte experimental del estudio.

El método de inteligencia artificial desarrollado en este estudio produce imágenes computacionales que se asemejan mucho a las producidas por el proceso real de tinción química. Esta imagen teñida virtualmente puede utilizarse para inspeccionar la morfología de los tejidos. La tinción virtual reduce tanto la carga química como el trabajo manual necesario para el procesamiento de las muestras, al tiempo que permite utilizar el tejido para otros fines distintos de la propia tinción.

El punto fuerte del método de tinción virtual propuesto es que no requiere ningún hardware o infraestructura especial más allá de un microscopio óptico normal y un ordenador adecuado.

«Los resultados son muy aplicables. Quedan muchos temas por investigar y los métodos computacionales aún pueden mejorarse. Sin embargo, ya podemos vislumbrar varias áreas de aplicación en las que la tinción virtual puede tener un gran impacto en la histopatología», afirma el profesor asociado Pekka Ruusuvuori, de la Universidad de Turku, que dirigió la parte computacional del estudio.

Investigación pionera con financiación internacional

Uno de los factores clave que hicieron posible el estudio fue la financiación del consorcio obtenida de la convocatoria transnacional conjunta ERAPerMed. El consorcio ABCAP está formado por grupos de investigación nórdicos que desarrollan diagnósticos del cáncer de mama basados en inteligencia artificial con vistas a la medicina personalizada, y está financiado por ERAPerMed, la Unión Nórdica del Cáncer y la Academia de Finlandia. Tanto Latonen como Ruusuvuori dirigen sus propios subproyectos.

«Esta investigación es verdaderamente interdisciplinar. Sin la financiación del consorcio, sería muy difícil encontrar recursos suficientes tanto para el trabajo experimental de laboratorio como para el esfuerzo computacional que permiten estudios como éste», reconocen Ruusuvuori y Latonen.

Esta investigación interdisciplinar se basa en conocimientos de biología tisular, procesos histológicos, informática de bioimágenes e inteligencia artificial. La primera parte del estudio en dos fases se centró en la optimización de los pasos de procesamiento de muestras de tejidos y obtención de imágenes, y corrió a cargo de la investigadora doctoral Sonja Koivukoski, de la Universidad de Finlandia Oriental. La evaluación sistemática de la viabilidad histológica fue un componente único del estudio.

«El desarrollo de métodos computacionales mediante inteligencia artificial carece a menudo de una evaluación adecuada de la viabilidad desde la perspectiva del usuario final. Esto puede llevar a que se desarrollen y publiquen métodos que finalmente no se utilizan realmente en la práctica. Por tanto, es especialmente importante combinar los conocimientos computacionales y los basados en el dominio ya en la fase de desarrollo, como se hizo en nuestro estudio», afirman Latonen y Koivukoski.

Gran potencial de los métodos computacionales

Las redes neuronales profundas que aprenden a partir de grandes volúmenes de datos han transformado rápidamente el campo del análisis biomédico de imágenes. Además de las tareas tradicionales de análisis de imágenes, como su interpretación, estos métodos también son muy adecuados para las transformaciones de imagen a imagen. La tinción virtual es un ejemplo de este tipo de tareas, como se demostró con éxito en las dos partes publicadas del trabajo. La segunda parte se centró en la optimización de la tinción virtual basada en redes neuronales generativas adversariales, con el investigador doctoral Umair Khan, de la Universidad de Turku, como desarrollador principal.

«Las redes neuronales profundas son capaces de rendir a un nivel que no éramos capaces de imaginar hace un tiempo. La tinción virtual basada en inteligencia artificial puede tener un gran impacto hacia un procesamiento de muestras más eficiente en histopatología», afirma Khan.

Además de los algoritmos de inteligencia artificial, la clave del éxito fue la disponibilidad de servicios informáticos de alto rendimiento a través del CSC.

«En Finlandia tenemos una infraestructura excelente para la computación paralela de alto rendimiento. Una investigación de alta carga computacional como ésta no sería posible sin la capacidad que ofrece el CSC», afirma Ruusuvuori.

Los resultados del estudio se publicaron en dos revistas internacionales revisadas por pares, Laboratory Investigation y Patterns.

Abril 14/2023 (EurekAlert!) – Tomado de la Selección de Medicine and Health. Copyright 2023 by the American Association for the Advancement of Science (AAAS). Traducido al español por DeepL Traductor. Copyright 2023 DeepL.

  • Noticias por fecha

    octubre 2024
    L M X J V S D
    « sep    
     123456
    78910111213
    14151617181920
    21222324252627
    28293031  
  • Noticias anteriores a 2010

    Noticias anteriores a enero de 2010

  • Suscripción AL Día

  • Categorias

    open all | close all
  • Palabras Clave

  • Administración