Herramienta basada en IA acelera diagnóstico del cáncer

Para hacer frente al desafío de la baja visibilidad al examinar muestras de células bajo un microscopio, los profesionales médicos suelen utilizar técnicas de tinción y etiquetado. Sin embargo, este proceso no solo requiere mucho tiempo, sino que también es costoso. Como resultado, los pacientes a menudo enfrentan demoras en recibir los resultados de sus análisis celulares, como los análisis de muestras de sangre. Otro problema importante es el "efecto de lote", que se refiere a variaciones técnicas entre diferentes lotes y condiciones experimentales, como cambios en la configuración del instrumento o protocolos de adquisición de imágenes. Estas variaciones pueden dificultar la interpretación biológica precisa de la morfología celular. Las soluciones existentes, incluidos los enfoques basados en el aprendizaje automático, a menudo se fundamentan en conocimientos previos específicos o suposiciones sobre los datos, lo que los hace menos adaptables y más difíciles de implementar en diversas aplicaciones. Los investigadores ahora han desarrollado una herramienta de imágenes impulsada por IA que permite un diagnóstico más rápido y preciso de los pacientes con cáncer, lo que mejora significativamente la eficacia de su tratamiento.

En colaboración con otras instituciones, investigadores de la Universidad de Hong Kong (HKU, Hong Kong) demostraron con éxito su último método de IA generativa, Cyto-Morphology Adversarial Distillation (CytoMAD), en pacientes con cáncer de pulmón y pruebas de drogas. Combinado con su tecnología microfluídica patentada, CytoMAD facilita la obtención de imágenes de células humanas de forma rápida, rentable y "sin etiquetas". Esta innovación permite a los médicos evaluar los tumores con la precisión de las células individuales y determinar si el paciente corre el riesgo de sufrir metástasis. Publicado en la revista Advanced Science, el estudio destaca cómo CytoMAD utiliza la IA para corregir automáticamente las inconsistencias en las imágenes celulares, mejorarlas y extraer detalles que antes no se podían detectar. Esta capacidad integral de CytoMAD garantiza un análisis y diagnóstico de datos fiables y precisos. La tecnología tiene el potencial de revolucionar la obtención de imágenes celulares, proporcionando información fundamental sobre las propiedades celulares y la información relacionada con la salud y la enfermedad.

Una ventaja significativa de esta tecnología de IA es su naturaleza sin etiquetas, que simplifica la preparación de muestras de pacientes o células. Esto reduce el tiempo y el trabajo, mejorando la velocidad y la eficiencia del diagnóstico y el descubrimiento de fármacos. CytoMAD también permite la traducción simultánea del contraste de imágenes sin etiquetas, lo que revela detalles celulares adicionales. Además, este novedoso enfoque aborda la cuestión del "efecto de lote". El modelo de aprendizaje profundo está respaldado por una tecnología de imágenes ópticas ultrarrápidas, desarrollada por el mismo equipo de investigación. Si bien el cáncer de pulmón sigue siendo uno de los cánceres más letales a nivel mundial y un riesgo de cáncer importante, la utilidad de CytoMAD no se limita a los pacientes con cáncer de pulmón. La tecnología podría agilizar los procesos de detección de fármacos, gracias al método "sin etiquetas" que ahorra tiempo, junto con sus ventajas en las capacidades de diagnóstico e imágenes de alta velocidad impulsadas por la IA generativa. De cara al futuro, un objetivo clave es seguir entrenando el modelo para ayudar a los médicos a predecir el cáncer y otras enfermedades en pacientes potenciales.

“Una imagen clásica de campo claro de una célula suele parecer una foto borrosa llena de manchas dispersas y difusas, lo que no resulta muy informativo para realizar un análisis significativo de las propiedades celulares y, por lo tanto, de la información relacionada con la salud y la enfermedad”, afirmó la Dra. Michelle Lo, la principal desarrolladora de CytoMAD en este proyecto. “Sin embargo, CytoMAD, como modelo de IA generativa, se puede entrenar para extraer la información relacionada con las propiedades mecánicas y la información molecular de las células que era indetectable para el ojo humano en una imagen de campo claro. En otras palabras, podríamos descubrir propiedades importantes de las células que sustentan las funciones celulares, evitando el uso de marcadores de fluorescencia estándar y sus limitaciones en cuanto a costos y tiempo”.

Visitar la expo >

New

Miembro Oro

Rotavirus Test

Rotavirus Test - 30003 – 30073

Verification Panels for Assay Development & QC
Seroconversion Panels

New

Vaginitis Test

Allplex Vaginitis Screening Assay

New

Respiratory Bacterial Panel

Real Respiratory Bacterial Panel 2