MADRID, 17 Mar. (EUROPA PRESS) -
Los investigadores han desarrollado un método que utiliza el aprendizaje automático para determinar si una sola célula es cancerosa al detectar su pH. Su enfoque puede discriminar las células que se originan en los tejidos normales de las que se originan en los tejidos cancerosos, así como entre los diferentes tipos de cáncer, mientras se mantienen vivas las células. El método se basa en tratar las células con azul de bromotimol, un tinte sensible al pH que cambia de color según la acidez.
Las células cancerosas presentan varias diferencias clave con las células sanas que ayudan a identificarlas como peligrosas. Por ejemplo, el pH, el nivel de acidez, dentro de una célula cancerosa no es el mismo que el pH dentro de una célula sana.
Investigadores de la Universidad Nacional de Singapur han desarrollado un método de uso del aprendizaje automático para determinar si una sola célula es cancerosa al detectar su pH, según explican en la revista 'APL Bioengineering'.
"La capacidad de identificar células individuales ha adquirido una importancia primordial en el campo de la medicina de precisión y personalizada --explica Chwee Teck Lim, uno de los autores--. Esto se debe a que es la única forma de explicar la heterogeneidad inherente asociada con cualquier espécimen biológico".
Lim explica que otras técnicas para examinar una sola célula pueden inducir efectos tóxicos o incluso matar la célula. Sin embargo, su enfoque puede discriminar las células que se originan en los tejidos normales de las que se originan en los tejidos cancerosos, así como entre los diferentes tipos de cáncer, mientras se mantienen vivas las células.
El método se basa en tratar las células con azul de bromotimol, un tinte sensible al pH que cambia de color según la acidez de la solución. Cada tipo de célula exhibe su propia huella digital única de rojo, verde y azul (RGB) en función de su acidez intracelular. Debido a que la transformación cancerosa altera el pH de la célula, una célula enferma responderá al azul de bromotimol de manera diferente, lo que provocará un cambio característico de su huella digital RGB.
Al entrenar un algoritmo de aprendizaje automático para asignar combinaciones de colores al estado de enfermedad de las células individuales, los autores pueden reconocer fácilmente un cambio no deseado. Esto les permite determinar la salud de una célula utilizando solo un equipo estándar simple: un microscopio invertido y una cámara a color.
"Nuestro método nos permitió clasificar células individuales de varios tejidos humanos, tanto normales como cancerosos, enfocándonos únicamente en los niveles de acidez inherentes que cada tipo de célula tiende a exhibir, y usando equipo simple y económico", explica Lim.
Para implementaciones prácticas de este enfoque, los profesionales médicos deberán adquirir de forma no invasiva una muestra de las células en cuestión.
"Una aplicación potencial de esta técnica sería en la biopsia líquida, donde las células tumorales que escaparon del tumor primario pueden aislarse de forma mínimamente invasiva de los fluidos corporales", añade Lim.
El grupo espera avanzar más en el concepto para tratar de detectar diferentes etapas de neoplasias malignas de las células. Ellos prevén una versión en tiempo real del procedimiento, en la que las células suspendidas en una solución pueden reconocerse y manejarse automáticamente.
