Por primera vez, el equipo de investigadores del Laboratorio de Investigación Aplicad a las Neurociencias (LIAN) del Fleni y el Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET), logró la aplicación de inteligencia artificial a la detección de la diferenciación de células madre en periodos ultra precoces. Esto podría permitir en un futuro cercano la detección automática de diferentes funciones celulares, según la investigación publicada en la revista científica Sterm Cell Reports.

Las células madre pluripotentes tienen la capacidad de diferenciarse en cualquier tipo de célula adulta del cuerpo humano. Identificar esta diferenciación puede llevar muchas horas y costosos procedimientos. Con este hallazgo, es posible hacerlo en tan solo una hora y solamente con una foto en un microscopio.

Inteligencia Artificial y aprendizaje profundo

La inteligencia artificial (IA) registró importantes avances en los últimos años. Nuevos hardware con capacidades de cálculo ampliadas y nuevo software para una aplicación más simple de algoritmos complejos permiten ahora aplicar poderosas predicciones en numerosos campos.

El aprendizaje profundo o deep learning es un modo específico de aprendizaje de las máquinas. En este caso, este aprendizaje se realiza a través de una red neuronal, es decir, algoritmos que tratan de imitar la manera en que funciona el cerebro y aprender de la experiencia.

“La inteligencia artificial está cambiando cada aspecto de nuestras vidas. En el área de biología celular, estamos viviendo una nueva etapa en la aplicación rutinaria del aprendizaje profundo. Y tenemos que estar preparados”, apuntó el doctor Santiago Miriuka, autor principal e investigador independiente del CONICET.

La investigación

Para el estudio, células madre pluripotentes murinas fueron inducidas a diferenciarse en células similares a la del epiblasto, un tipo de célula similar a la que emerge bien temprano durante el desarrollo embrionario. Apenas 30 minutos después del inicio, las redes neuronales pudieron predecir qué imágenes contenían células a las que se había inducido a la diferenciación. Una hora después del comienzo de la diferenciación, las predicciones eran correctas en más del 99 % de los casos. “Estamos sorprendidos con la precisión que alcanzan estos modelos”, apunta Miriuka.

Según Ariel Waisman, becario postdoctoral del CONICET y primer autor de esta publicación, el objetivo era clasificar qué imágenes correspondían a células que se estaban diferenciando y cuáles a células no diferenciadas. “Si se miran estas células se reconocen cambios sutiles después de algunas horas, en particular si se está entrenado en el trabajo con estas células. Pero queríamos ver si podía hacerlo un algoritmo de aprendizaje profundo y cuán rápido podía reconocer esos cambios”, señala.

En miras de aplicar las células madre a la terapia van a tener que existir muchos controles de calidad. “Para eso se necesita un mecanismo de control del estado de las células. De la misma manera, que le puedo enseñar a la computadora a reconocer células madre de células que se están diferenciando, también puedo enseñarle a reconocer cuándo un cultivo tiene algún problema, o si cuenta con buena salud. La importancia es que quita la subjetividad al estudio de la morfología de las células”, sostiene.

Los investigadores comenzaron a probar con periodos más largos, ya que el experimento inicial tenía como objetivo detectar la diferenciación después de 12 o 24 horas. Pero una vez que descubrieron el excelente desempeño del algoritmo, lo intentaron con períodos más cortos. “Finalmente notamos que el algoritmo podía detectar cambios sutiles en apenas 20-30 minutos”, afirma Waisman.

Y agrega: “Los algoritmos que utilizamos son similares a los que utiliza Facebook para reconocer rostros y etiquetarlos automáticamente”.

Aplicaciones a futuro

En cuanto a los beneficios de la utilización de IA en células madre, Miriuka expresa que “la capacidad de encontrar cambios morfológicos mínimos en una imagen simple de microscopía es un salto cualitativo. Con costo cero, ahorras tiempo porque no tienes que realizar un ensayo que involucre horas de trabajo y la capacidad de distinción es altísima. Permite que se acople a lo que probablemente venga en un futuro muy cercano, la automatización de los experimentos”.

Esto hace que las perspectivas de este tipo de análisis sean enormes. “Hay que pensar que no hay ninguna complejidad: apenas una imagen tomada pocos minutos después del estímulo con un simple microscopio de luz transmitida”, concluye Miriuka.

La idea es que se puedan entrenar las redes neuronales para que aprendan los cambios en la morfología de las células y luego programar una respuesta automática una vez que esos cambios son detectados. De esta forma, se podría lograr en el futuro cercano la detección automática de apoptosis (muerte celular programada), crecimiento celular, contaminación, salud celular en general e incluso de la expresión de los marcadores en las células.
marzo 28/2019 (dicyt.com)