La IA identifica las células cancerosas
"Ikarus nos permite identificar genes que son potenciales impulsores del cáncer"
¿En qué se diferencian las células cancerosas de las sanas? Un nuevo algoritmo de aprendizaje automático llamado "ikarus" conoce la respuesta, según informa un equipo dirigido por la bioinformática del MDC Altuna Akalin en la revista Genome Biology. El programa de IA ha encontrado una firma genética característica de los tumores.
Imagen simbólica
pixabay.com
Cuando se trata de identificar patrones en montañas de datos, los seres humanos no son rivales para la inteligencia artificial (IA). En concreto, una rama de la IA llamada aprendizaje automático se utiliza a menudo para encontrar regularidades en conjuntos de datos, ya sea para el análisis del mercado de valores, el reconocimiento de imágenes y del habla o la clasificación de células. Para distinguir con fiabilidad las células cancerosas de las sanas, un equipo dirigido por la Dra. Altuna Akalin, jefa de la Plataforma de Ciencia de Datos Bioinformáticos y Ómicos del Centro Max Delbrück de Medicina Molecular de la Asociación Helmholtz (MDC), ha desarrollado ahora un programa de aprendizaje automático llamado "ikarus". El programa encontró un patrón en las células tumorales que es común a los distintos tipos de cáncer, consistente en una combinación característica de genes. Según el artículo del equipo en la revista Genome Biology, el algoritmo también detectó tipos de genes en el patrón que nunca antes se habían relacionado claramente con el cáncer.
El aprendizaje automático significa esencialmente que un algoritmo utiliza datos de entrenamiento para aprender a responder por sí mismo a determinadas preguntas. Lo hace buscando patrones en los datos que le ayuden a resolver problemas. Tras la fase de entrenamiento, el sistema puede generalizar a partir de lo que ha aprendido para evaluar datos desconocidos. "Fue un gran reto conseguir datos de entrenamiento adecuados en los que los expertos ya habían distinguido claramente entre células "sanas" y "cancerosas"", relata Jan Dohmen, primer autor del trabajo.
Una tasa de éxito sorprendentemente alta
Además, los conjuntos de datos de secuenciación unicelular suelen tener mucho ruido. Esto significa que la información que contienen sobre las características moleculares de las células individuales no es muy precisa, quizá porque se detecta un número diferente de genes en cada célula o porque las muestras no siempre se procesan de la misma manera. Tal y como informan Dohmen y su colega, el Dr. Vedran Franke, codirector del estudio, revisaron innumerables publicaciones y se pusieron en contacto con bastantes grupos de investigación para conseguir conjuntos de datos adecuados. Al final, el equipo utilizó datos de células de cáncer de pulmón y colorrectal para entrenar el algoritmo antes de aplicarlo a conjuntos de datos de otros tipos de tumores.
En la fase de entrenamiento, ikarus tuvo que encontrar una lista de genes característicos que luego utilizó para categorizar las células. "Probamos y refinamos varios enfoques", dice Dohmen. Fue un trabajo que requirió mucho tiempo, como relatan los tres científicos. "La clave fue que ikarus acabara utilizando dos listas: una para los genes del cáncer y otra para los de otras células", explica Franke. Tras la fase de aprendizaje, el algoritmo fue capaz de distinguir con fiabilidad entre células sanas y tumorales también en otros tipos de cáncer, como en muestras de tejido de pacientes con cáncer de hígado o neuroblastoma. Su tasa de éxito solía ser extraordinariamente alta, lo que sorprendió incluso al grupo de investigación. "No esperábamos que hubiera una firma común que definiera con tanta precisión las células tumorales de los distintos tipos de cáncer", afirma Akalin. "Pero todavía no podemos decir si el método funciona para todos los tipos de cáncer", añade Dohmen. Para que ikarus se convierta en una herramienta fiable para el diagnóstico del cáncer, los investigadores quieren probarlo ahora en otros tipos de tumores.
La IA como herramienta de diagnóstico totalmente automatizada
El proyecto pretende ir mucho más allá de la clasificación de células "sanas" frente a las "cancerosas". En las pruebas iniciales, ikarus ya ha demostrado que el método también puede distinguir otros tipos (y ciertos subtipos) de células de las tumorales. "Queremos que el método sea más completo", dice Akalin, "desarrollándolo más para que pueda distinguir entre todos los tipos de células posibles en una biopsia".
En los hospitales, los patólogos suelen limitarse a examinar muestras de tejido de los tumores al microscopio para identificar los distintos tipos de células. Es un trabajo laborioso y que requiere mucho tiempo. Con ikarus, este paso podría convertirse algún día en un proceso totalmente automatizado. Además, señala Akalin, los datos podrían utilizarse para sacar conclusiones sobre el entorno inmediato del tumor. Y eso podría ayudar a los médicos a elegir la mejor terapia. Porque la composición del tejido canceroso y el microentorno suelen indicar si un determinado tratamiento o medicamento será eficaz o no. Además, la IA también puede ser útil para desarrollar nuevos medicamentos. "Ikarus nos permite identificar los genes que son potenciales impulsores del cáncer", afirma Akalin. A continuación, podrían utilizarse nuevos agentes terapéuticos dirigidos a estas estructuras moleculares.
Colaboración en casa
Un aspecto destacable de la publicación es que se preparó íntegramente durante la pandemia de COVID. Todos los participantes no estaban en sus mesas habituales del Instituto de Biología de Sistemas Médicos de Berlín (BIMSB), que forma parte del MDC. En su lugar, se encontraban en sus despachos y sólo se comunicaban entre sí de forma digital. Por eso, en opinión de Franke, "el proyecto demuestra que se puede crear una estructura digital para facilitar el trabajo científico en estas condiciones".
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.
