GlioTrace usa inteligencia artificial para rastrear células de cáncer cerebral en tejido vivo
Investigadores de la Universidad de Uppsala desarrollaron un método de visión por computador para cartografiar cómo las células de glioblastoma cambian de estilo de movimiento en cortes de cerebro vivos

Un sistema de imagen computacional llamado GlioTrace puede rastrear miles de células de glioblastoma en migración a través de cortes de cerebro vivos durante días. Desarrollado por científicos de la Universidad de Uppsala, el método combina microscopía automatizada con inteligencia artificial para revelar cómo las células tumorales individuales cambian de forma y modifican sus rutas de migración.
La microscopía automatizada capta las trayectorias celulares en vivo durante cinco días
El glioblastoma sigue siendo una de las formas más agresivas de cáncer cerebral, en parte porque las células tumorales invaden el tejido sano circundante más allá del límite de la extirpación quirúrgica. En una innovación destinada a estudiar esta propagación, investigadores de la Universidad de Uppsala utilizaron células tumorales de seis pacientes y las cultivaron en cerebros de ratón. Cortaron los cerebros en cortes finos y los mantuvieron en cultivos de laboratorio, según los hallazgos publicados en Nature Communications y difundidos por MedicalXpress.
Un microscopio automatizado fotografió los cortes de tejido vivo a intervalos de no más de dos horas durante hasta cinco días. Impulsado por inteligencia artificial, GlioTrace rastreó las células individuales en cortes completos en lugar de pequeñas ventanas de muestra, registrando las coordenadas de cada célula migratoria de principio a fin.
«Lo que más nos sorprendió fue la flexibilidad de las células tumorales. Una misma célula puede cambiar su forma de moverse en apenas unos días. Para desarrollar tratamientos que impidan la propagación de las células tumorales, necesitamos entender esta capacidad de alternar entre distintos comportamientos.»
— Madeleine Skeppås, Universidad de Uppsala
El aprendizaje automático identifica el cambio entre estados de migración
El núcleo computacional de la invención fue desarrollado por la coautora principal del estudio, Madeleine Skeppås, junto con investigadores de la Universidad Tecnológica Chalmers y la Universidad de Gotemburgo. Su cadena de procesamiento de aprendizaje automático identifica células individuales, registra sus formas y sigue las transiciones de estado a lo largo del tiempo, como se detalla en MedicalXpress.
Las imágenes revelaron que los patrones de invasión del glioblastoma difieren entre tumores. Algunas células de pacientes se desplazaban a lo largo de los vasos sanguíneos, mientras que otras migraban de forma difusa por el parénquima cerebral. También se comprobó que células individuales eran capaces de alternar entre la migración independiente y el arrastre vascular en cuestión de días. Los modelos estadísticos demostraron que este cambio de comportamiento ayuda a las células a orientarse en entornos tisulares densos.
Las pruebas de terapias revelan estados celulares rápidos y persistentes
El equipo de investigación estudió cómo influyen los compuestos farmacéuticos y los tratamientos estándar en las trayectorias celulares. En los experimentos difundidos por MedicalXpress, dos sustancias farmacológicas ralentizaron la invasión de las células tumorales en los cortes de tejido cerebral. Sin embargo, la respuesta exacta varió entre muestras de pacientes y tipos concretos de células migratorias.
Al exponerse a radioterapia y quimioterapia combinadas, ciertos modelos tumorales mostraron una mayor proporción de células de movimiento rápido con una forma distintiva. Estas células ocupaban nodos centrales en las redes de transición de estados, lo que indica que podrían persistir durante la terapia convencional. El autor principal, Hitesh Mangukiya, y el profesor Sven Nelander señalaron que el código de análisis está abierto a otros laboratorios, aunque se necesitan más pruebas antes de presentar cualquier patente o de utilizar el software para orientar decisiones clínicas.
Lea también en The Patent: La GAO advierte de que los objetivos de reducción del retraso de la USPTO podrían fracasar por la presión sobre el personal
Traducido automáticamente del original en inglés. Leer el original



