La IA detecta células muertas 100 veces más rápido que las personas, lo que podría ayudar a curar el Alzheimer

Comprender cuándo y por qué muere una célula es fundamental para estudiar el desarrollo humano, las enfermedades y el envejecimiento. En enfermedades neurodegenerativas como la esclerosis lateral amiotrófica (enfermedad de Lou Gehrig), el Alzheimer y el Parkinson, identificar las neuronas muertas y moribundas es crucial para desarrollar y probar nuevos tratamientos. 

Pero detectar las células muertas puede ser una tarea complicada. Hasta ahora, los científicos han tenido que marcar a mano, bajo el microscopio, qué células parecen vivas y cuáles muertas. Las células muertas tienen un aspecto arrugado característico que resulta relativamente fácil de reconocer si se sabe qué buscar. 

Los investigadores contrataron a un verdadero ejército de estudiantes en prácticas, pagados por hora, para revisar miles de imágenes y contar cuándo murió cada neurona de una muestra. Por desgracia, hacerlo a mano es un proceso lento, caro y a veces propenso a errores.

Lo que complica aún más la situación es que los científicos han empezado recientemente a usar microscopios automáticos para captar imágenes continuas de las células a medida que cambian con el tiempo. Aunque los microscopios automatizados facilitan hacer las fotografías, también generan una enorme cantidad de imágenes que hay que clasificar a mano. 

Ha quedado claro que la curación manual no es ni precisa ni eficiente. Además, la mayoría de las técnicas de imagen solo permiten detectar las fases tardías de la muerte celular, a veces varios días después de que la célula ya haya empezado a descomponerse. Esto dificulta distinguir entre lo que realmente contribuyó a la muerte de la célula y los factores que simplemente participan en su descomposición.

Los científicos llevan algún tiempo intentando automatizar el proceso de curación. Los primeros intentos no podían manejar la amplia variedad de tipos de células y microscopios que se usan en la investigación, y no podían igualar la precisión de los becarios. 

Pero una nueva tecnología de inteligencia artificial desarrollada por el equipo de investigación puede identificar células muertas con una precisión y una velocidad superiores a las humanas. Este avance podría acelerar todo tipo de investigación biomédica, en especial en el campo de las enfermedades neurodegenerativas.

Últimamente, la inteligencia artificial ha irrumpido con fuerza en el campo de la microscopía. Una forma de IA llamada redes neuronales convolucionales, o CNN, resulta especialmente interesante, ya que puede analizar imágenes con tanta precisión como las personas.

Las redes neuronales convolucionales pueden aprender a reconocer y detectar patrones complejos en las imágenes. Como ocurre con la visión humana, proporcionar a una CNN muchos ejemplos de imágenes e indicarle en qué características debe fijarse puede enseñar al ordenador a reconocer los patrones de interés.

Estos patrones pueden incluir fenómenos biológicos que son difíciles de ver a simple vista. Por ejemplo, un grupo de investigación logró entrenar una CNN para identificar el cáncer de piel con más precisión que los dermatólogos entrenados. Más recientemente, los científicos lograron entrenar CNN para identificar firmas biológicas complejas, como el tipo de célula, en imágenes microscópicas.

Basándose en este trabajo, investigadores del Instituto Gladstone de la Universidad de California en San Francisco han desarrollado una nueva tecnología llamada CNN optimizadas con biomarcadores (BO-CNN) para detectar células muertas. En primer lugar, necesitaban enseñar a la BO-CNN a distinguir entre células claramente muertas y claramente vivas. 

Para ello, prepararon una placa de Petri con neuronas de ratón que habían sido modificadas para producir una proteína no tóxica llamada indicador de muerte genéticamente codificado (GEDI), que teñía de verde las células vivas y de amarillo las muertas. La BO-CNN pudo aprender fácilmente que el verde significa «vivo» y el amarillo «muerto». Pero también estudió otras características que distinguen las células vivas de las muertas y que no son tan obvias para el ojo humano.

Una vez que la BO-CNN aprendió a identificar las características que diferenciaban las células verdes de las amarillas, se le mostraron neuronas que no diferían en color. La BO-CNN logró etiquetar correctamente las células vivas y muertas de forma mucho más rápida y precisa que las personas entrenadas para hacer lo mismo. El modelo incluso podía observar imágenes de tipos celulares que no había visto antes, tomadas con distintos tipos de microscopios, y aun así identificar correctamente las células muertas.

Sin embargo, quedaba una pregunta evidente: ¿por qué el modelo de los investigadores resultó tan eficaz para detectar células muertas?

Los científicos suelen considerar las decisiones que toman las CNN como cajas negras, y la estrategia que el ordenador utiliza para resolver una tarea visual se considera menos importante que lo bien que funciona. Sin embargo, como debe haber algunos patrones en la estructura celular en los que el modelo se basa para tomar sus decisiones, identificar esos patrones puede ayudar a los científicos a determinar mejor cómo es la muerte celular y entender por qué se produce.

Para averiguar cuáles son esos patrones, el equipo utilizó herramientas computacionales adicionales para crear representaciones visuales de las decisiones de la BO-CNN. Resultó que su modelo BO-CNN detecta en parte la muerte celular fijándose en los cambios en los patrones de fluorescencia del núcleo celular. Es una característica que los curadores humanos no conocían previamente, y podría ser la razón por la que el diseño de modelos de IA anteriores era menos preciso que la BO-CNN.

Los investigadores creen que su enfoque supone un avance significativo en el uso de la inteligencia artificial para estudiar la biología compleja, y que esta prueba de concepto puede aplicarse ampliamente más allá de la detección de la muerte celular en imágenes microscópicas. Su software es de código abierto y está disponible públicamente.

La microscopía de células vivas aporta una cantidad enorme de información, difícil de interpretar para los investigadores. Pero con tecnologías como la BO-CNN, ahora pueden usar las señales de las propias células para enseñar a la IA a reconocer e interpretar señales en otras células. Al eliminar las conjeturas humanas, las BO-CNN mejoran la reproducibilidad y la velocidad de la investigación, y pueden ayudar a los científicos a descubrir nuevos fenómenos en las imágenes que de otro modo no podrían reconocer con facilidad.

Con ayuda de la inteligencia artificial, el equipo de investigación trabaja actualmente en ampliar su tecnología BO-CNN para predecir el futuro: detectar células dañadas antes de que empiecen a morir. Creen que esto podría cambiar las reglas del juego en la investigación de enfermedades neurodegenerativas, ayudando a determinar nuevas formas de prevenir la muerte de las neuronas y, en última instancia, llevar a tratamientos más eficaces.