Un nuevo algoritmo detecta incluso las metástasis más pequeñas del cáncer en todo el cuerpo del ratón
Exponer al enemigo
Los equipos del Helmholtz Zentrum München, LMU Munich y la Universidad Técnica de Munich (TUM) han desarrollado un nuevo algoritmo que permite la detección automatizada de metástasis a nivel de células cancerosas individuales diseminadas en ratones enteros.
DeepMACT hace uso de la inteligencia artificial para encontrar incluso las metástasis más pequeñas en todo el cuerpo del ratón. La imagen muestra células individuales diseminadas que se extienden a través del pulmón.
©Helmholtz Zentrum München
El cáncer es una de las principales causas de muerte en todo el mundo. Más del 90% de los pacientes con cáncer mueren de metástasis distales en lugar de como resultado directo del tumor primario. Las metástasis del cáncer generalmente se desarrollan a partir de células cancerosas diseminadas, que evaden el sistema de vigilancia inmunológica del cuerpo. Hasta ahora, la detección completa de estas células en todo el cuerpo no ha sido posible, debido a la resolución limitada de las técnicas de imagen como la bioluminiscencia y la resonancia magnética. Esto ha resultado en una relativa falta de conocimiento de los mecanismos específicos de diseminación de diversos tipos de cáncer, lo cual es un prerrequisito para una terapia efectiva. También ha obstaculizado los esfuerzos para evaluar la eficacia de los nuevos fármacos candidatos para la terapia tumoral.
Más allá de las capacidades de detección humana con un aprendizaje profundo
Con el fin de desarrollar nuevas técnicas para superar estos obstáculos, el equipo dirigido por el Dr. Ali Ertürk, Director del Instituto de Ingeniería de Tejidos y Medicina Regenerativa del Helmholtz Zentrum München, ya había desarrollado vDISCO, un método de limpieza y fijación de tejidos que transforma los cuerpos de los ratones en un estado transparente que permite la obtención de imágenes de células individuales. Usando microscopios de escaneo láser, los investigadores pudieron detectar las metástasis más pequeñas hasta células cancerosas individuales en el tejido del cuerpo del ratón.
Sin embargo, el análisis manual de estos datos de imágenes de alta resolución sería un proceso que consumiría mucho tiempo. Dada la limitada fiabilidad y velocidad de procesamiento de los algoritmos actualmente disponibles para este tipo de análisis de datos, los equipos han desarrollado un nuevo algoritmo basado en el aprendizaje profundo llamado DeepMACT. Los investigadores han podido ahora detectar y analizar metástasis del cáncer y mapear automáticamente la distribución de anticuerpos terapéuticos en las preparaciones de vDISCO. El algoritmo DeepMACT igualó el rendimiento de los expertos humanos en la detección de metástasis, pero lo hizo más de 300 veces más rápido. "Con unos pocos clics, DeepMACT puede realizar el trabajo de detección manual de meses en menos de una hora. Ahora podemos llevar a cabo análisis de metástasis de alto rendimiento hasta células tumorales individuales diseminadas como una rutina diaria", dice Oliver Schoppe, co-autor del estudio y estudiante de doctorado en el grupo del Prof. Dr. Bjoern Menze en TranslaTUM, el Centro para la Investigación del Cáncer Traslacional de TUM.
Detección de células, recopilación de datos, aprendizaje sobre el cáncer
Usando DeepMACT, los investigadores han obtenido nuevos conocimientos sobre los perfiles metastásicos únicos de diferentes modelos de tumores. La caracterización de los patrones de diseminación de diversos tipos de cáncer podría permitir la selección de fármacos a medida para diferentes tipos de cáncer metastásico. Al analizar la progresión de las metástasis del cáncer de mama en ratones, DeepMACT ha descubierto un aumento sustancial de las metástasis pequeñas en todo el cuerpo del ratón con el tiempo. "Ninguna de estas características podía ser detectada por imágenes convencionales de bioluminiscencia antes. DeepMACT es el primer método que permite el análisis cuantitativo del proceso metastásico a escala corporal completa", añade el Dr. Chenchen Pan, becario postdoctoral del Helmholtz Zentrum München y primer autor conjunto del estudio. "Nuestro método también nos permite analizar el objetivo de las terapias de anticuerpos tumorales con más detalle."
¿Qué tan efectivas son las terapias actuales contra el cáncer?
Con DeepMACT, los investigadores ahora tienen una herramienta para evaluar la orientación de las terapias clínicas contra el cáncer que emplean anticuerpos monoclonales específicos del tumor. Como ejemplo representativo, han utilizado DeepMACT para cuantificar la eficacia de un anticuerpo terapéutico llamado 6A10, que ha demostrado reducir el crecimiento tumoral. Los resultados demostraron que el 6A10 puede pasar por alto hasta el 23% de las metástasis en los cuerpos de los ratones afectados. Esto subraya la importancia del análisis de la eficacia de la focalización a nivel de metástasis individuales para el desarrollo de nuevos fármacos tumorales. El método también puede rastrear potencialmente la distribución de medicamentos de moléculas pequeñas cuando se conjugan con tintes fluorescentes.
En el camino para detener el proceso metastásico
Tomados en conjunto, estos resultados muestran que DeepMACT no sólo proporciona un método poderoso para el análisis integral de las metástasis del cáncer, sino que también proporciona una herramienta sensible para la evaluación de fármacos terapéuticos en estudios preclínicos. "La batalla contra el cáncer ha estado en marcha durante décadas y aún queda un largo camino por recorrer antes de que podamos derrotar finalmente a la enfermedad. Para desarrollar terapias más eficaces contra el cáncer, es fundamental comprender los mecanismos metastásicos en diversos tipos de cáncer y desarrollar fármacos específicos para cada tumor que sean capaces de detener el proceso metastásico", explica Ertürk.
DeepMACT está disponible al público y puede ser fácilmente adoptado en otros laboratorios enfocándose en diversos modelos de tumores y opciones de tratamiento. "Hoy en día, la tasa de éxito de los ensayos clínicos en oncología es de alrededor del 5%. Creemos que la tecnología DeepMACT puede mejorar sustancialmente el proceso de desarrollo de fármacos en la investigación preclínica. Por lo tanto, podría ayudar a encontrar candidatos mucho más poderosos para los ensayos clínicos y, con suerte, ayudar a salvar muchas vidas".
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
