Una nueva herramienta impulsada por inteligencia artificial llamada MISO (Ómica espacial multimodal) puede detectar características del cáncer a nivel celular observando datos de fragmentos de tejido extremadamente pequeños, algunos de hasta 400 micrómetros cuadrados, equivalentes al ancho de cinco cabellos humanos.
por Frank Otto, Facultad de Medicina Perelman de la Universidad de Pensilvania
La herramienta, diseñada por investigadores de la Escuela de Medicina Perelman de la Universidad de Pensilvania, analiza grandes cantidades de datos y puede aplicar sus conocimientos incluso a los puntos más pequeños de las imágenes médicas . Podría orientar a los médicos hacia las terapias individuales que funcionan mejor para una variedad de cánceres, según un nuevo artículo que detalla el MISO y que se publicó hoy (15 de enero) en Nature Methods .
Utilizando MISO, los investigadores descubrieron nueva información sobre una variedad de diferentes tipos de cáncer utilizando datos e imágenes de tejido de pacientes donados, incluyendo:
- Cáncer de vejiga: MISO detectó un grupo especializado de células encargadas de formar estructuras linfoides terciarias, que están vinculadas a mejores respuestas a la inmunoterapia
- Cáncer gástrico: MISO distingue entre células cancerosas y la mucosa dentro del tejido
- Cáncer colorrectal: MISO identificó diferentes subclases de células cancerosas que ayudaron a arrojar luz sobre las diferentes células malignas que componen incluso un solo tumor.
Además, se utilizó MISO para analizar las estructuras de tejidos cerebrales no cancerosos.
Todos estos logros pueden orientar mejores terapias, aumentar la supervivencia y son muy difíciles, si no imposibles, de lograr sin una herramienta de inteligencia artificial enormemente poderosa como MISO.
MISO fue desarrollado para trabajar en «multiómica espacial», un campo de estudio en el que los investigadores intentan obtener conocimientos sobre diferentes condiciones considerando la disposición física del tejido observando diferentes modalidades «ómicas», como la transcriptómica (estudio de la expresión genética), la proteómica (proteínas) y la metabolómica (metabolitos y sus procesos), entre otras.
«A medida que avanza el campo de la ómica espacial, se ha vuelto posible medir múltiples modalidades ómicas a partir del mismo corte de tejido, lo que proporciona información complementaria y ofrece una visión más completa y esclarecedora», dijo Mingyao Li, Ph.D., autor principal del estudio y profesor de Bioestadística y Patología Digital.
«MISO aborda un enorme desafío en materia de datos al permitir el análisis simultáneo de todas las modalidades espaciales-ómicas, así como de imágenes anatómicas microscópicas cuando están disponibles. Es el único método capaz de manejar conjuntos de datos como estos con cientos de miles de células por muestra».
Cuando se utiliza la transcriptómica espacial para observar una imagen, un solo píxel de una sola imagen contiene entre 20.000 y 30.000 puntos de datos que se deben analizar a través de la lente de la -ómica, y esa cantidad puede duplicarse y triplicarse si se consideran múltiples -ómicas. Las exploraciones por resonancia magnética y por TC tienen solo un punto de datos (tonos de gris) por píxel para interpretar.
Sin algún tipo de herramienta de inteligencia artificial que los ayude, los médicos e investigadores que examinan imágenes médicas casi nunca podrían captar algunos de los conocimientos que MISO puede captar.
El último esfuerzo en tecnología de imágenes -ómicas
MISO continúa el trabajo de Li en el desarrollo de técnicas de imágenes de inteligencia artificial capaces de ver lo que ni siquiera los humanos entrenados pueden. A principios de este año, su equipo publicó un artículo que examinaba iSTAR, una herramienta que analiza la genómica, y encontró rastros de cáncer (y la respuesta del cuerpo a los tratamientos para este) que de otro modo habrían pasado desapercibidos.
Si bien MISO analiza una gama mucho más amplia de datos que iSTAR (algunos de cuyos componentes incluso se utilizaron para desarrollar MISO), Li imagina que ambos serán útiles, pero en diferentes áreas. iSTAR es útil para aumentar la nitidez de las imágenes y generar virtualmente datos espaciales-ómicos que MISO podría luego analizar, mientras que MISO admite información sobre temas más finos (como la detección de vénulas endoteliales altas, un grupo especial de células que reclutan glóbulos blancos a tejidos específicos).
En el futuro, el equipo espera recopilar todo lo que han aprendido sobre ómica espacial e imágenes patológicas y mejorar MISO para que pueda analizar simultáneamente múltiples muestras de tejido a la vez, aumentando exponencialmente sus resultados.
Algunos datos, como las marcas epigenéticas (sustancias químicas que regulan el ADN pero que están influidas por el medio ambiente, no por la genética pura), aún no se han medido a gran escala, pero el sistema de inteligencia artificial de MISO le permite «aprender» a medida que procesa la información, lo que le permite reconocer estos datos a medida que estén más disponibles. «Preveo que la integración de estos diversos tipos de datos permitirá a MISO proporcionar conocimientos más profundos sobre varios aspectos del comportamiento celular», dijo Li.
Más información: Kyle Coleman et al., Resolución de la complejidad tisular mediante modelado ómico espacial multimodal con MISO, Nature Methods (2025). DOI: 10.1038/s41592-024-02574-2
