Investigadores españoles desarrollan un sistema de visión artificial que analiza células de forma automática
Un nuevo sistema de visión por computadora desarrollado por investigadores de la Universidad Carlos III de Madrid (UC3M) permite analizar automáticamente vídeos biomédicos grabados con microscopía. El sistema caracteriza y describe el comportamiento de las células en las imágenes.
La metodología, recientemente desarrollada, se utilizó para realizar mediciones en tejidos vivos, que fueron obtenidas por científicos del Centro Nacional de Investigaciones Cardiovasculares. Gracias a este estudio, el equipo descubrió que los neutrófilos, un tipo de células inmunitarias, muestran un comportamiento diferente en la sangre durante los procesos inflamatorios.
Además, descubrieron que uno de los procesos está relacionado con enfermedades cardiovasculares. El estudio se publicó en la revista Nature. Estos avances podrían permitir crear nuevos métodos de tratamiento para minimizar las consecuencias de los infartos.
«La perfilación transcripcional y proteómica de células individuales ha revolucionado la interpretación de los fenómenos biológicos, al proporcionar paisajes celulares de tejidos sanos y enfermos. Sin embargo, estos enfoques no describen escenarios dinámicos en los que las células cambian constantemente sus propiedades bioquímicas y los resultados «conductuales» posteriores. Aquí utilizamos imagen viva 4D para registrar decenas y cientos de parámetros morfocinéticos que describen la dinámica de leucocitos individuales en focos de inflamación activa», se afirma en el estudio.
El profesor Fernando Díaz de María dirige el grupo de procesamiento multimedia de la UC3M y es uno de los autores del estudio.
«Nuestra contribución consiste en diseñar y desarrollar un sistema totalmente automático, basado en técnicas de visión por computadora, que nos permite caracterizar las células estudiadas mediante el análisis de grabaciones realizadas por biólogos con la técnica de microscopía in vivo»
Mientras que los estudios biológicos tradicionales suelen confirmarse mediante el análisis de unos cientos de células caracterizadas manualmente, la nueva investigación incluyó mediciones automáticas de la forma, el tamaño, los movimientos y la posición de varios miles de células con respecto a un vaso sanguíneo. Esto permite realizar un análisis biológico ampliado con gran significación estadística.
Los investigadores explicaron que el nuevo sistema tiene varias ventajas, tanto en tiempo como en precisión. Iván González Díaz es profesor titular del Departamento de Teoría de la Señal y Comunicaciones de la UC3M. También es miembro del grupo de investigación.
«Es imposible que un biólogo experimentado segmente y siga células en vídeo durante meses. Por otro lado, para dar una idea aproximada (ya que depende del número de células y de la profundidad del volumen 3D), nuestro sistema solo necesita 15 minutos para analizar un vídeo de 5 minutos»
Las redes neuronales profundas, herramientas en las que confían estos ingenieros para segmentar y detectar células, son principalmente algoritmos que aprenden a partir de ejemplos, por lo que, para desplegar el sistema en un nuevo contexto, es necesario crear suficientes ejemplos para entrenarlos. Estas redes forman parte de los métodos de aprendizaje automático, que a su vez es una disciplina dentro de la inteligencia artificial (IA).
Además, el sistema incluye otros tipos de métodos estadísticos y modelos geométricos, todos ellos descritos en otro artículo publicado recientemente en la revista Medical Image Analysis. El software que implementa el sistema es universal y puede adaptarse a otras tareas en unas pocas semanas.
«De hecho, ya lo aplicamos en otros escenarios diferentes, estudiando el comportamiento inmunológico de los linfocitos T y las células dendríticas en tejidos cancerosos. Y los resultados preliminares son prometedores»
«Tras analizar más de 100 000 reconstrucciones de formas y trayectorias celulares a lo largo del tiempo, obtuvimos descriptores de comportamiento de células individuales y utilizamos estos conjuntos de datos multidimensionales para construir paisajes de comportamiento. Estos paisajes permitieron reconocer la identidad de los leucocitos en la piel inflamada y la tráquea, y revelaron un continuo de estados de los neutrófilos dentro de los vasos sanguíneos, incluido un gran estado sedentario que estaba cubierto por el endotelio subyacente y se asociaba con inflamación patogénica. El cribado conductual en 24 ratones mutantes identificó la quinasa Fgr como impulsora de este estado patogénico, y la intervención sobre Fgr protegió a los ratones del daño inflamatorio. Así, los paisajes de comportamiento aportan propiedades específicas del entorno dinámico con una resolución celular alta», se afirma en el estudio.
En cualquier caso, al llevar a cabo investigaciones en este campo, los investigadores destacan la importancia del trabajo de un equipo interdisciplinar.
«En este contexto, es importante reconocer los esfuerzos previos de comunicación entre biólogos, matemáticos e ingenieros, necesarios para comprender los conceptos básicos de otras disciplinas antes de que pueda lograrse un progreso real»
