MADRID, 16 Oct. (EUROPA PRESS) -
Investigadores de la Universidad de Tokio (Japón) han desarrollado una herramienta de software que aprovecha la inteligencia artificial para ofrecer un análisis más consistente y rápido del sistema inmunológico. Los resultados de la herramienta se publican en 'Briefings in Bioinformatics'.
Actualmente, los investigadores analizan el sistema inmune estudiando sus componentes activos, es decir, los diversos genes y células implicados. Sin embargo, existe una amplia gama de estos, y las observaciones necesariamente generan enormes cantidades de datos. Ahora, gracias a esta IA, es posible no solo analizar estas células, sino también categorizarlas y detectar patrones novedosos que aún no se han observado.
En concreto, una rama clave de la investigación en inmunología consiste en la identificación de los componentes del sistema inmunitario y la determinación de su función. Realizar esto mediante observación manual sería imposible debido al tiempo que requeriría, y existen algunas herramientas automatizadas, pero presentan limitaciones en cuanto a precisión, consistencia y flexibilidad. Para ello, este equipo de investigadores, dirigido por el profesor Tatsuhiko Tsunoda, del Departamento de Ciencias Biológicas de la Universidad de Tokio, asumió el reto y desarrolló un sistema para impulsar la investigación en inmunología.
El resultado es scHDeepInsight, un marco basado en IA para identificar células inmunitarias de forma rápida y consistente a partir del ARN celular. En lugar de considerar todos los tipos de células como independientes, el sistema refleja la jerarquía natural del sistema inmunitario, según expone el investigador principal, Shangru Jia. Al convertir los perfiles genéticos celulares en imágenes y aplicar una IA con capacidad jerárquica, conocida como red neuronal convolucional (CNN), se pueden distinguir tanto tipos generales de células inmunitarias como subtipos más específicos, con mayor consistencia que en intentos anteriores.
"En nuestro estudio de referencia, etiquetar unas 10.000 células solo llevó unos minutos, mientras que la anotación manual basada en marcadores puede tardar desde horas hasta días. En comparación con otros métodos automatizados, el tiempo de ejecución se encuentra en un rango similar. Las principales ventajas son la consistencia de las predicciones en toda la jerarquía y la mayor precisión obtenida al incorporar etiquetas jerárquicas, en lugar de limitarse a la velocidad bruta", aporta el experto.
scHDeepInsight tiene tres aspectos principales. El aprendizaje jerárquico, mediante el cual el modelo refleja el árbol genealógico del sistema inmunitario, permite distinguir tanto categorías inmunitarias generales como subtipos más específicos. La representación basada en imágenes transforma los datos genéticos en imágenes 2D, lo que permite a la CNN captar relaciones sutiles entre genes con mayor eficacia que consultando tablas de datos sin procesar. Además, los análisis integrados en el sistema pueden identificar qué genes contribuyen más a un comportamiento, y estos pueden compararse con marcadores conocidos para comprobar su coherencia con observaciones previas.
Una hoja de cálculo con el número de genes no muestra cómo se relacionan entre sí. Al mapear los genes a píxeles en una imagen, de modo que los genes relacionados se ubiquen cerca, el resultado es una imagen con una estructura significativa. Los modelos de reconocimiento de imágenes, como las CNN, son muy eficaces para detectar estos patrones, lo que les permite capturar relaciones complejas entre genes que son difíciles de aprender a partir de tablas sin procesar -desarrolla Jia-. El principal desafío fue equilibrar el rendimiento tanto entre los tipos celulares generales como entre los subtipos detallados, especialmente en poblaciones celulares raras. Abordamos esto adaptando el proceso de entrenamiento, de modo que el modelo prestara más atención a las categorías más difíciles de distinguir, reduciendo así el riesgo de pasar por alto subtipos pequeños pero importantes.
Por otra parte, cabe mencionar que scHDeepInsight es principalmente una herramienta de investigación más que un sistema de diagnóstico completo, en parte debido a su fase inicial, pero principalmente porque el modelo solo se entrena con células sanas. Al aplicarlo a muestras de pacientes, los investigadores pueden ver dónde se desvían de un valor basal sano. Estas desviaciones pueden proporcionar pistas para estudios posteriores, pero la interpretación médica requiere validación adicional. Por lo tanto, este desarrollo contribuirá a la investigación fundamental en el campo de la inmunología, pero podría pasar tiempo antes de que los modelos derivados de scHDeepInsight se incorporen a los sistemas de diagnóstico.
Los estudios donde los cambios inmunitarios son importantes, como la inmunología del cáncer, las infecciones y las enfermedades autoinmunes, pueden beneficiarse de marcadores celulares más fiables. Dado que nuestro modelo se entrena con células inmunitarias sanas, su valor inmediato reside en proporcionar una línea base sana y consistente para la comparación. Los cambios relacionados con la enfermedad pueden medirse entonces en relación con esta línea base, pero la interpretación clínica requiere validación en cada contexto -insiste Jia-. La generalización y la validación son clave. Las muestras clínicas son diversas, por lo que el modelo debe probarse en diversos ensayos y protocolos. La integración en los flujos de trabajo clínicos y los requisitos regulatorios de transparencia y reproducibilidad también son esenciales antes de su uso rutinario. Para su uso en investigación actual, scHDeepInsight ya está disponible como paquete descargable; los investigadores pueden aplicarlo fácilmente en sus propios análisis. Una validación más amplia y la integración clínica siguen siendo objetivos para el futuro.
El trabajo en scHDeepInsight no ha finalizado. El equipo busca mejorar sus capacidades y funciones, llevándolo más allá de la identificación celular relacionada con el sistema inmunitario y a otros dominios biológicos. Finalmente, esperan validar el sistema para su uso como herramienta de investigación clínica mediante el uso de perfiles precisos del sistema inmunitario para respaldar los estudios de enfermedades. Además, está la cuestión de su capacidad para detectar nuevos tipos de células. DOI:
