12 de diciembre de 2019
Detrás de este trabajo está Cristian Raúl Barrera Monje, magíster en Ingeniería Biomédica de la Universidad Nacional de Colombia (UNAL), quien busca brindar un nuevo enfoque que facilite este tipo de análisis, los cuales aún representan un desafío porque requieren de técnicas complejas, costosas y destructivas del tejido de las muestras tomadas por los patólogos.
Con la dirección del doctor Eduardo Romero Castro, profesor del Departamento de Biomédica de la Facultad de Medicina de la UNAL, el investigador Barrera consiguió desarrollar un modelo computacional que agrupa estas células del sistema inmune –que se encuentran de forma natural en los infiltrados inflamatorios de algunos tumores sólidos–, de acuerdo con un vector de 186 características, en imágenes teñidas con hematoxilina y eosina (H&E).
Esas muestras de tejido, en tonos rosados, son las que los médicos suelen analizar en el microscopio para hacer diagnósticos de cáncer e incluso definir el tratamiento adecuado para cada paciente. El magíster explica que en ellas normalmente los patólogos solo alcanzan a ver la cantidad de estos linfocitos, no sus formas de agrupación ni los subtipos a los que pueden pertenecer según las funciones que cumplen.
Para conseguir ver estos detalles se requiere de procedimientos más complejos y costosos, por lo que la propuesta del investigador Barrera es aprovechar los recursos disponibles en las imágenes H&E para lograr identificar las agrupaciones de linfocitos en regiones específicas de algunos tumores y tejidos, sus tipos y cuáles de ellas están relacionadas con un mejor pronóstico de recuperación en los pacientes.
Aplicando técnicas de procesamiento de imágenes digitales, el magíster trabajó en un modelo que permite ajustarlas y remover el ruido para que, posteriormente, con tecnologías de aprendizaje de máquinas, fuera capaz de extraer información de las imágenes H&E y crear modelos de reconocimiento de los patrones de agrupación de los linfocitos, lo que se conoce como clusterizar.
El abordaje se evaluó en una cohorte de 178 pacientes con cáncer de pulmón de células no pequeñas en etapa inicial, de los cuales 100 muestras se utilizaron para el entrenamiento del modelo propuesto y 78 para la validación independiente.
La información de recurrencia del cáncer se obtuvo de la historia clínica de los pacientes, en la que la tasa de supervivencia a cinco años fue el rango establecido.
Con esta información se utilizó una herramienta computacional que se conoce como “clasificador de análisis discriminante lineal” (LDA por sus siglas en inglés), junto con los linfocitos clusterizados, para predecir la probabilidad de recurrencia en el conjunto de prueba, obteniendo resultados estadísticamente significativos a la hora de clasificar entre recurrencia temprana y tardía a partir de las agrupaciones de células.
Según el investigador, esto abre la puerta para seguir perfeccionando estas técnicas de manera que lleguen a un uso clínico. Por el momento, los estudios continúan y desde el laboratorio del profesor Romero se trabaja en explorar biológicamente el significado de los grupos de linfocitos, los subtipos de células que los componen y por qué se forman.
Fuente: agenciadenoticias.unal.edu.co
