• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Deep Neural Network tiene como objetivo mejorar las imágenes de las células

    Crédito:Instituto Politécnico Rensselaer

    Mejorando la detección, diagnóstico, y el tratamiento de enfermedades como el cáncer requerirá más detalles, rápido, y tecnología de imágenes ágil que puede mostrar a los médicos no solo cómo se ve un órgano específico, pero también lo que está sucediendo dentro de las células que componen esos tejidos.

    En una investigación publicada en procedimientos de la Academia Nacional de Ciencias , un equipo del Instituto Politécnico Rensselaer desarrolló y demostró una nueva técnica para la obtención de imágenes de fluorescencia de por vida de tejidos y células de una manera rápida y completa, sentando las bases para su uso en un entorno clínico.

    "Estamos proporcionando herramientas que serán mucho más accesibles para los usuarios finales, es decir, los biólogos, pero también el cirujano, "dijo Xavier Intes, profesor de ingeniería biomédica que dirigió esta investigación para Rensselaer.

    Las imágenes de fluorescencia de por vida han sido durante mucho tiempo una forma útil para que los científicos e ingenieros vean las interacciones a nivel molecular dentro de las células, una herramienta necesaria cuando se trata de identificar el cáncer y otras enfermedades. y evaluar la eficacia de los fármacos.

    Tradicionalmente, Intes dijo, Producir una imagen de esta manera ha requerido mucho tiempo y herramientas matemáticas complejas que dependen en gran medida del usuario, lo que dificulta la producción de imágenes consistentes y reproducibles. Esas dificultades han sido barreras para el uso de este tipo de imágenes en un entorno clínico.

    Para superar esos desafíos, el equipo de Rensselaer diseñó una red neuronal profunda (DNN) para establecer automáticamente los parámetros matemáticos que un humano normalmente haría, al mismo tiempo que produce una imagen detallada que puede mostrar interacciones en células o tejidos a medida que ocurren.

    Este trabajo se basa en la investigación previa del equipo de Rensselaer, donde desarrollaron un método para reconstruir rápidamente una sola imagen de por vida. Este nuevo enfoque reconstruye múltiples imágenes de por vida al mismo tiempo, Proporcionar una visión completa de los múltiples procesos biológicos que ocurren dentro del tejido y las células. dijo Pingkun Yan, profesor asistente de ingeniería biomédica y miembro del Centro de Biotecnología y Estudios Interdisciplinarios, quien también trabajó en esta investigación.

    El equipo, en asociación con biólogos de Albany Medical College, probó esta nueva técnica obteniendo imágenes de células cancerosas bajo el microscopio y en sistemas vivos. Lo que observaron, Intes dijo, fue que su DNN funcionó tan bien como, o en algunos casos mejor que, software comercial que se utiliza actualmente. El equipo también descubrió que esta técnica requería menos luz y al mismo tiempo producía imágenes detalladas, que es fundamental para aplicaciones biológicas.

    El éxito de los investigadores acerca el campo a la posibilidad de utilizar imágenes de fluorescencia de por vida en un entorno clínico para evaluar la eficacia de un fármaco en particular en las células cancerosas individuales de una persona, una herramienta clave necesaria para permitir la medicina de precisión.

    Los investigadores también pudieron aplicar este DNN para visualizar el nivel de actividad dentro de las células, un proceso conocido como imagen metabólica. Este enfoque podría ayudar a guiar a los cirujanos en el quirófano mientras trabajan para identificar qué tejido está sano. y cuál está enfermo y debe ser eliminado.

    "Esta es una tecnología habilitadora para muchas aplicaciones clínicas. Por ejemplo, se puede utilizar para obtener imágenes in vivo en tiempo real de un tumor, que puede ayudar a los cirujanos a ver la lesión durante sus procedimientos, permitiéndoles eliminar completamente el tejido canceroso con un daño mínimo al tejido sano, "Dijo Yan.


    © Ciencia https://es.scienceaq.com