Un nuevo avance en el análisis de datos de tejidos podría revolucionar la medicina de precisión.
Investigadores de las universidades de Michigan y Brown han desarrollado un innovador método computacional llamado IRIS, que promete transformar la comprensión de las enfermedades y el tratamiento de los tejidos. Este método utiliza inteligencia artificial (IA) para proporcionar información más detallada sobre el desarrollo tisular, la patología de las enfermedades y la organización tumoral, abriendo nuevas posibilidades en la medicina de precisión. Los resultados de estudio fueron publicados en Nature Methods.
El método Integrative and Reference-Informed tissue Segmentation (IRIS) combina machine learning o aprendizaje automático e IA para analizar datos complejos de tejidos. Este enfoque permite a los investigadores biomédicos observar información más precisa sobre el desarrollo de tejidos y las patologías de las enfermedades. Según Xiang Zhou, profesor de Bioestadística en la Universidad de Michigan y autor principal del estudio, “IRIS caracteriza directamente el paisaje celular del tejido e identifica dominios espaciales biológicamente interpretables, facilitando la comprensión del mecanismo celular subyacente a la función tisular.”
IRIS aprovecha los datos generados por la transcriptómica espacialmente resuelta (SRT, en inglés) y utiliza la secuenciación de ARN de una sola célula como referencia para examinar múltiples capas de tejido simultáneamente. Esto permite distinguir varias regiones con una precisión y velocidad computacional sin precedentes.
Además, se distingue de técnicas tradicionales que promedian los datos de las muestras de tejido, pues la SRT ofrece una vista mucho más granular, identificando miles de ubicaciones dentro de una sola sección de tejido.
En el estudio, los investigadores aplicaron IRIS a seis conjuntos de datos de SRT y compararon su desempeño con otros métodos de dominio espacial comúnmente utilizados. IRIS superó significativamente a los otros métodos en términos de precisión. “Esperamos que IRIS sirva como una herramienta poderosa para el análisis de datos de transcriptómica espacial a gran escala en una amplia gama de sistemas biológicos”, explicó Ying Ma, profesora asistente de Bioestadística en la Universidad de Brown.
Los algoritmos de IRIS son capaces de ordenar los datos para identificar y segmentar varios dominios funcionales, como las regiones tumorales, proporcionando así información valiosa sobre las interacciones celulares y los mecanismos de progresión de enfermedades. Según Zhou, “el enfoque computacional de IRIS ofrece oportunidades sin precedentes para explorar los procesos dinámicos que moldean la estructura tisular durante el desarrollo y la progresión de la enfermedad”.
Además, con el continuo crecimiento y popularización de la tecnología SRT, los investigadores esperan que métodos como IRIS contribuyan al desarrollo de intervenciones clínicas o nuevos objetivos terapéuticos, mejorando así los planes de tratamiento personalizados y los resultados de salud de los pacientes. Este avance tiene el potencial de revolucionar el campo de la medicina de precisión, proporcionando una herramienta clave para la investigación de tejidos y enfermedades complejas.
Asimismo, el estudio demostró que IRIS no solo mejora la precisión del análisis de datos de tejidos, sino que también acelera el proceso de descubrimiento científico, facilitando la comprensión y combate de diversas enfermedades.
