CellLENS fusiona múltiples tipos de datos para identificar subtipos celulares ocultos, con implicaciones clave para la medicina personalizada y el tratamiento del cáncer.
Investigadores del MIT y otras instituciones han desarrollado CellLENS, una innovadora herramienta de inteligencia artificial (IA) que permite analizar con mayor precisión las células dentro de los tejidos humanos. Este avance podría mejorar la comprensión del sistema inmunológico y acelerar el desarrollo de terapias contra el cáncer, al identificar subtipos celulares previamente ocultos y comprender su comportamiento según el entorno en el que se encuentran.
Comprender cómo se comportan las células en distintos contextos es fundamental para desarrollar terapias más efectivas, especialmente en enfermedades complejas como el cáncer. Cada célula puede expresar diferentes moléculas, ubicarse en zonas específicas de un tejido y presentar características visuales únicas al microscopio. Sin embargo, los métodos tradicionales de análisis suelen estudiar estos aspectos de forma aislada, lo que limita el conocimiento real sobre la función y diversidad de las células.
La herramienta CellLENS o Cell Local Environment and Neighborhood Scan, es un nuevo sistema de aprendizaje profundo o deep learning, que rompe con este enfoque fragmentado. Utilizando redes neuronales convolucionales y redes neuronales de grafos, CellLENS combina información sobre la expresión molecular de las células, su localización espacial y su morfología, generando un perfil digital integral para cada célula.
Gracias a esta fusión de datos, CellLENS puede distinguir células que, aunque similares a simple vista, presentan funciones distintas dependiendo de su entorno. Por ejemplo, ya no es suficiente identificar una célula como un linfocito T, ahora es posible saber si está atacando un tumor o si permanece inactiva.
El estudio, publicado en Nature Immunology, fue liderado por el investigador Bokai Zhu, del Broad Institute del MIT y Harvard, y contó con la participación de científicos de instituciones como Yale, Stanford y la Universidad de Pensilvania. Zhu destaca que esta tecnología permite redefinir lo que entendemos por cada tipo celular, al incorporar información contextual que antes se pasaba por alto.
La herramienta ha sido probada en diversos tejidos sanos y con cáncer, incluyendo linfoma y cáncer de hígado, revelando subtipos inmunitarios raros y mostrando cómo su localización dentro del tejido influye en procesos como la infiltración tumoral o la supresión inmunitaria. Esta capacidad de identificar con precisión nuevas poblaciones celulares podría guiar la creación de terapias más específicas y efectivas, como tratamientos inmunológicos dirigidos a células en zonas críticas del tumor.
“Puedo utilizar la información existente para definir mejor qué es una célula, cuál es la subpoblación de esa célula, qué hace esa célula y cuál es la lectura funcional potencial de esa célula. Este método puede servir para identificar un nuevo biomarcador que proporcione información específica y detallada sobre las células enfermas, lo que permitiría desarrollar terapias más específicas”, explicó.
Por su parte, el profesor Alex K. Shalek, coautor del estudio, subraya la importancia de aprovechar herramientas como CellLENS para traducir grandes volúmenes de datos celulares en información útil para la medicina. “Me entusiasma enormemente el potencial de las nuevas herramientas de IA, como CellLENS, para ayudarnos a comprender de forma más holística los comportamientos celulares aberrantes dentro de los tejidos”, señaló.
CellLENS representa un avance importante en el uso de IA y deep learning para la biomedicina. Al integrar datos moleculares, espaciales y visuales, permite una comprensión más completa de la diversidad celular dentro de los tejidos humanos.
