Los investigadores desarrollan un método basado en IA para reemplazar la tinción química del tejido

Investigadores de la Universidad del Este de Finlandia, la Universidad de Turku y la Universidad de Tampere han desarrollado un método basado en inteligencia artificial para la tinción virtual de muestras de tejido histopatológico como parte del consorcio nórdico ABCAP. La tinción química ha sido la piedra angular del estudio de la histopatología durante más de un siglo y se aplica ampliamente, por ejemplo, en el diagnóstico del cáncer.

«La tinción química hace visible la morfología de las secciones de tejido casi transparentes y de bajo contraste. Sin ella, el análisis de la morfología del tejido es casi imposible para la visión humana. La tinción química es irreversible y, en la mayoría de los casos, impide el uso de la misma muestra para otros experimentos o mediciones», dice la investigadora universitaria y vicedirectora del Instituto de Biomedicina de la Universidad del Este de Finlandia, Leena Latonen, quien dirigió la parte experimental del estudio.

El método de inteligencia artificial desarrollado en este estudio produce imágenes computacionales que se asemejan mucho a las producidas por el proceso de tinción química real. Esta imagen virtualmente teñida se puede usar para inspeccionar la morfología de los tejidos. La tinción virtual reduce tanto la carga química como el trabajo manual necesario para el procesamiento de muestras, al mismo tiempo que permite el uso del tejido para otros fines además de la tinción en sí.

La fuerza del método de tinción virtual propuesto es que no requiere hardware o infraestructura especial más allá de una microscopía de luz regular y una computadora adecuada.

«Los resultados tienen una amplia aplicación. Hay muchos temas para la investigación de seguimiento y los métodos computacionales aún se pueden mejorar. Sin embargo, ya podemos imaginar varias áreas de aplicación en las que la tinción virtual puede tener un gran impacto en la histopatología», dice. Profesor asociado Pekka Ruusuvuori de la Universidad de Turku, quien dirigió la parte computacional del estudio.

Gran potencial de los métodos computacionales

Las redes neuronales profundas que aprenden a partir de grandes volúmenes de datos han transformado rápidamente el campo del análisis de imágenes biomédicas. Además de las tareas tradicionales de análisis de imágenes, como la interpretación de imágenes, estos métodos también son adecuados para las transformaciones de imagen a imagen. La tinción virtual es un ejemplo de tal tarea, como se demostró con éxito en las dos partes publicadas del trabajo. La segunda parte se centró en optimizar la tinción virtual basada en redes neuronales antagónicas generativas, con el investigador doctoral Umair Khan de la Universidad de Turku como desarrollador principal.

«Las redes neuronales profundas son capaces de funcionar a un nivel que no podíamos imaginar hace un tiempo. La tinción virtual basada en inteligencia artificial puede tener un gran impacto en el procesamiento de muestras más eficiente en histopatología», dice Khan.

Además de los algoritmos de inteligencia artificial, la clave del éxito fue la disponibilidad de servicios informáticos de alto rendimiento a través de CSC.

«En Finlandia, tenemos una infraestructura excelente para la computación paralela de alto rendimiento. La investigación computacionalmente intensiva como esta no sería posible sin la capacidad proporcionada por CSC», dice Ruusuvuori.

Los resultados del estudio fueron publicados en Investigación de laboratorio y Patrones.