Buscar tejido con palabras
De la imagen patológica al descubrimiento biológico: un viaje con LazySlide
Anuncios
Las imágenes microscópicas de tejidos humanos son una piedra angular de la investigación biomédica y el diagnóstico clínico. Sin embargo, a pesar de su importancia, estas imágenes siguen siendo a menudo difíciles de analizar sistemáticamente y de conectar con otros tipos de datos biológicos. Un nuevo estudio dirigido por el investigador principal del CeMM, André Rendeiro, y publicado en Nature Methods, presenta "LazySlide", una herramienta de software de código abierto que aporta la potencia de los modelos fundacionales y pretende democratizar el análisis digital de la patología.
Una arteria inflamada, un tumor que se extiende por el pulmón o daños sutiles en un órgano: cuando los médicos o los investigadores quieren entender lo que ocurre en el interior de un tejido, una de las herramientas más fiables sigue siendo el microscopio. Hoy en día, se han digitalizado en gran medida: una sola muestra de tejido puede escanearse en una imagen de diapositivas tan detallada, que se puede hacer zoom desde una vista de pájaro de todo el tejido hasta las células individuales. Estas imágenes, por tanto, contienen enorme información sobre los tejidos a diferentes escalas.
Sin embargo, estas imágenes son enormes, complejas y a menudo difíciles de analizar de una forma moderna y basada en datos. Mientras que la genética y la biología unicelular han desarrollado formas eficaces de compartir y comparar datos, las imágenes digitales de patología son difíciles de incorporar: se almacenan en formatos patentados, se procesan con herramientas incompatibles y son difíciles de conectar con información molecular como la secuenciación del ARN. Así pues, los valiosos recursos de las imágenes digitalizadas de tejidos están muy infrautilizados en muchos entornos clínicos y de investigación.
Un nuevo estudio del grupo del investigador principal del CeMM, André Rendeiro, presenta LazySlide, una aplicación de código abierto diseñada para hacer que el análisis de imágenes de diapositivas completas sea más accesible, interoperable y listo para conectarse a los mismos flujos de trabajo computacionales que ya impulsan la genómica moderna.
De las "imágenes bonitas" a la biología consultable
LazySlide permite a los científicos dividir las imágenes de diapositivas completas en regiones más pequeñas y manejables y analizarlas utilizando modelos avanzados de inteligencia artificial. Estos modelos pueden reconocer patrones en la estructura de los tejidos, identificar distintos tipos de células y cuantificar cambios sutiles en la arquitectura de los tejidos, sin necesidad de una extensa anotación manual.
Y lo que es más importante, el estudio demuestra que la información visual de las imágenes de tejidos puede vincularse directamente a datos moleculares como los perfiles de expresión génica. En un ejemplo, los investigadores analizaron muestras de tejido arterial con y sin calcificación, un proceso patológico asociado a las enfermedades cardiovasculares. LazySlide no sólo distinguió el tejido sano del enfermo basándose únicamente en las características de la imagen, sino que también reveló vías biológicas, como la señalización inflamatoria, que sólo se hicieron visibles cuando se analizaron conjuntamente los datos de la imagen y los de la secuenciación del ARN.
"La histología contiene una enorme cantidad de información biológica, pero a menudo es difícil acceder a ella desde el punto de vista computacional", explica Yimin Zheng, primer autor del estudio. "Con LazySlide, queríamos proporcionar una herramienta que permitiera a los investigadores explorar imágenes de tejidos de forma sistemática y cuantitativa y conectar lo que ven al microscopio con los procesos moleculares subyacentes."
Búsqueda de tejidos con palabras
Una característica especialmente innovadora de LazySlide es su capacidad para conectar imágenes con lenguaje natural. Mediante modelos de inteligencia artificial que relacionan patrones visuales con conceptos textuales, los investigadores pueden formular preguntas como dónde aparecen signos de "calcificación" en una muestra de tejido. A continuación, el software destaca las regiones relevantes y genera puntuaciones cuantitativas, convirtiendo las impresiones visuales en datos mensurables.
Este planteamiento también permite el llamado análisis de "disparo cero": LazySlide puede reconocer el órgano de origen de las muestras de tejido o distinguir el tejido sano del enfermo sin necesidad de un entrenamiento específico para cada tarea. Esto reduce enormemente la barrera para aplicar métodos avanzados de análisis de imágenes en la investigación biomédica.
Una herramienta abierta e interoperable
LazySlide se diseñó para integrarse perfectamente con las herramientas de biología computacional existentes, ampliamente utilizadas en genómica e investigación unicelular. Al hacer que la patología digital sea más interoperable con estos flujos de trabajo establecidos, el software ayuda a incorporar las imágenes de tejidos al ecosistema más amplio de las ciencias de la vida basadas en datos.
"Nuestro objetivo era hacer que el análisis de imágenes de portaobjetos fuera más accesible y estuviera más conectado con los tipos de datos que los investigadores ya utilizan a diario", afirma André Rendeiro. "Al tratar las imágenes de tejidos como conjuntos de datos enriquecidos en lugar de fotografías estáticas, podemos obtener nuevos conocimientos sobre cómo las enfermedades moldean la biología humana".
El estudio, publicado en Nature Methods, pone de relieve cómo herramientas flexibles y de código abierto como LazySlide pueden acelerar la investigación y ayudar a salvar la brecha entre la estructura tisular y la función molecular, un paso esencial hacia una comprensión más integrada de la salud y la enfermedad.
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
