Por Martín Cagliani – mcagliani@uba.ar
Investigadoras e investigadores de la UBA desarrollaron un método para clasificar células cancerígenas de forma automática valiéndose de la inteligencia artificial. Este estudio aporta nuevas herramientas para diagnóstico y tratamiento en la lucha contra el cáncer de mama.
El cáncer de mama es uno de los más comunes entre las mujeres que, detectado a tiempo, puede tratarse de forma más eficiente, por lo que las herramientas de diagnóstico son vitales para prevenir este tipo de tumores malignos. Allí es donde puede ayudar, y mucho, la investigación de las científicas y científicos de la Universidad de Buenos Aires.
El estudio, recientemente publicado en la prestigiosa revista Scientific Reports, buscaba generar un método de diagnóstico automático que pudiese clasificar células de cáncer de mama en función de sus características. Lo lograron utilizando imágenes tomadas con microscopios y analizadas de forma automática mediante inteligencia artificial. Todo esto sin necesidad de múltiples muestras, lo que acelera y abarata el diagnóstico y el tratamiento.
En los últimos años, la técnica de los microscopios automáticos ha permitido estudiar células cancerígenas de forma sencilla y simple, sin necesidad de tomar gran cantidad de muestras. Las investigadoras e investigadores de la UBA han entrenado a un programa de computadora, mediante técnicas de inteligencia artificial, a que pueda diferenciar células cancerígenas entre sí a partir de fotos tomadas con los microscopios.
Clasificación automática
“En este proyecto nos concentramos en un problema puntual, que consiste en clasificar células de cáncer de mama como vivas o muertas basándonos en, lo que podríamos decir, es una foto de la célula”, dijo el especialista en computación gráfica Emanuel Iarussi, profesor de la UBA, quien formó parte del estudio.
“Esas fotos no son exactamente iguales a las que saca un celular, son fotos en blanco y negro que se obtienen a partir de un microscopio en una resolución bastante alta”, aclaró Iarussi, profesor adjunto del Departamento de Computación en la Facultad de Ciencias Exactas de la UBA, e investigador del Conicet.
“El proceso comienza plantando células en unos dispositivos que tienen la capacidad de hacer circular un medio por entre las células, a través del cual vos las alimentás o les pasás alguna droga para probar terapias in vitro, sin necesidad de hacerlo en animales. Simultáneamente, tenés la capacidad de ir fotografiando esas células con un microscopio que se programa para tomar distintas capturas a intervalos regulares de tiempo”, explicó el experto.
Esa es la tarea que la médica e investigadora Gisela Pattarone estuvo realizando en la Universidad de Friburgo de Brisgovia de Alemania, como parte de una maestría que inició en la Facultad de Farmacia y Bioquímica de la UBA. Allí cultivó células de cáncer de mama a fin de probar el efecto de distintos tratamientos quimioterapéuticos. Esto le permitió coleccionar una base de datos enorme con fotografías de estas células.
Ahora bien, para poder saber si la terapia está siendo o no efectiva, es necesario conocer si las células del cultivo están muriendo. Para determinarlo, se disuelven en el medio de cultivo tinciones fluorescentes que, bajo una luz especial, revelan cuáles células han muerto. Algo similar a lo que pasa cuando se ilumina un ambiente con luz negra y resalta los colores fluorescentes.
Pattarone coleccionó una gran base de datos de imágenes en las que claramente se podía identificar si una célula había muerto o no. Allí fue cuando se puso en contacto con expertos en computación e inteligencia artificial de la Facultad de Ciencias Exactas de la UBA, que incluye a Iarussi, y también a Luciana Ferrer, del Laboratorio de Inteligencia Artificial Aplicada de la UBA; a Laura Acion del Instituto de Cálculo de la UBA; y a Marian Simian, del Instituto de Nanosistemas de la Universidad Nacional de San Martín.
“Lo que se nos ocurrió”, contó Iarussi, “fue utilizar estos datos para entrenar un algoritmo automático que aprenda a hacer lo mismo que la tinción, pero sin ella. Es decir, que solo “mirando” la foto de la célula pueda reconocer si está viva o muerta. Por supuesto que no se nos ocurrió solo a nosotros, hay trabajos similares en microalgas, pero no pudimos dar con nada similar en cáncer, sobre todo por la falta de datos, algo que a Gisela le sobraba”.
Entrenando a la máquina
¿Cómo se le enseña a una computadora a identificar células cancerígenas? Lo primero es contar con una amplia base de datos que sirva de fuente, la cual obtuvo Pattarone mediante microscopio. Lo siguiente es entrenar a la máquina, crear un método de aprendizaje automático, lo que se suele llamar machine learning, necesario para que una inteligencia artificial pueda procesar datos.
“Evaluamos distintas arquitecturas de redes neuronales”, explicó Iarussi. “Estos modelos funcionan muy bien en imágenes, particularmente cuando contás con grandes cantidades de ellas. Por ejemplo, la cámara inteligente de tu celular que detecta si le sacás una foto a un perro o a un auto utiliza modelos similares a estos”.
“Lo que vimos”, continuó el experto, “es que fueron altamente capaces de clasificar las imágenes correctamente. La forma en que entrenamos estos algoritmos se conoce como entrenamiento supervisado. En pocas palabras, le mostrás sucesivamente imágenes etiquetadas con el resultado de clasificación esperado, y el algoritmo va ajustando su capacidad de respuesta para intentar acertar. Es clave ser muy cuidadosos en este proceso para disminuir el impacto de posibles sesgos, por eso fuimos muy rigurosos con la evaluación”.
Las aplicaciones para este método de identificación de células cancerígenas son múltiples, pero la principal es que puede reducir mucho el tiempo y los costos de la investigación, del diagnóstico y de los tratamientos. “Un microscopio más inteligente podría decirte si tu terapia in vitro está funcionando o no, solo basándose en una clasificación automática de las células con cierto nivel de certeza”, explicó Iarussi. Esto permitiría a los especialistas poder aumentar o disminuir una droga durante un tratamiento, por ejemplo.
“Algo muy importante”, explicó la médica Gisela Pattarone, “es que esta técnica permitiría realizar mayor número de investigaciones in vitro con cultivos celulares, es decir, con células humanas cancerígenas en laboratorio y esto reduciría el impacto del uso de animales, aumentando la posibilidad de hacer mayor investigación en células humanas y con mayores ensayos farmacológicos preclínicos antes de que una nueva droga salga al mercado”.
El equipo de investigadores no sólo desarrolló una gran base de datos, y con ella un sistema de detección inteligente, sino que pusieron ambos a disposición de la comunidad científica internacional, a fin de agilizar la investigación a nivel mundial. “Es vital poder brindar a toda la comunidad científica la misma posibilidad que yo busqué desde que comencé la investigación, de disminuir el impacto del uso de animales de laboratorio y aumentar los estudios in vitro en células humanas”, contó Pattarone.
“Esto es muy útil para etapas pre clínicas del desarrollo de fármacos con el fin de disminuir la gran cantidad de efectos adversos que se observan en la población en general, como resultado de fármacos comercializados con poca base preclínica y clínica. Creo que al compartir los datos, el conocimiento y siendo totalmente transparentes se logra dar oportunidades de crear, idear e innovar en esta línea por un bien mayor de la salud de las personas y los animales”, concluyó la médica e investigadora de la UBA.