Una nueva plataforma combina IA y chips para identificar células tumorales circulantes

Investigadores de la Universidad Tecnológica de Taiyuan y del Hospital Shanxi Bethune han combinado un chip microfluídico inercial con un modelo de aprendizaje profundo para crear una plataforma sin marcadores que aísla e identifica células tumorales circulantes (CTC). Publicaron su trabajo en la revista  Biomedical Analysis.

Las CTC se desprenden de los tumores y entran en el torrente sanguíneo, donde pueden contribuir a la metástasis del cáncer. Por lo tanto, podrían ser biomarcadores útiles para el diagnóstico y el seguimiento del tratamiento del cáncer. Sin embargo, aislar e identificar con precisión las CTC sigue siendo un desafío, ya que son extremadamente raras (aproximadamente de una a diez células por cada mil millones de células sanguíneas) y están rodeadas por una compleja mezcla de otras células sanguíneas.

Muchos métodos microfluídicos utilizan anticuerpos para capturar células tumorales circulantes (CTC) mediante la identificación de marcadores de superficie específicos, pero pueden pasar por alto células que carecen de dichos marcadores. Los métodos sin marcaje separan las células según sus características físicas, como el tamaño. Los chips microfluídicos inerciales, por ejemplo, son relativamente sencillos, económicos y de alto rendimiento. Sin embargo, los investigadores a menudo aún necesitan realizar inmunomarcaje para identificar las células clasificadas, lo que añade pasos y puede comprometer la viabilidad celular.

Las CTC suelen ser más grandes que las células sanguíneas, con un diámetro típico de 12 a 25 micrómetros, en comparación con los 7 a 12 micrómetros de los glóbulos blancos y los 6 a 8 micrómetros de los glóbulos rojos. El chip microfluídico inercial aprovecha esta diferencia de tamaño: a medida que las células fluyen por su canal en espiral, las fuerzas del fluido las desplazan a diferentes posiciones según su tamaño, de modo que las células tumorales más grandes pueden recolectarse a través de una salida independiente. 

Para comprobarlo, el equipo utilizó muestras de sangre artificial que contenían células de cáncer de mama MCF-7 y glóbulos blancos. El chip logró una tasa de recuperación del 89,2 % para las células MCF-7 y una tasa de eliminación del 86,9 % para los glóbulos blancos. Las células tumorales aumentaron del 9 % al 38 % de la muestra.

Tras la clasificación, los investigadores aún deben determinar cuáles de las células recolectadas son realmente células tumorales, un paso que normalmente se basa en tinción fluorescente o marcaje con anticuerpos. Para evitar esto, el equipo utilizó YOLOv8, un modelo de aprendizaje profundo capaz de reconocer células tumorales en imágenes estándar de microscopía de campo claro. Los investigadores utilizaron imágenes de fluorescencia para confirmar la identidad de cada célula y etiquetar los datos de entrenamiento, pero el modelo entrenado solo necesitó imágenes de campo claro para identificar las células tumorales, logrando una precisión y exhaustividad del 94,6 %.

Los investigadores señalan que se trató de un estudio de prueba de concepto con células MCF-7 y muestras de sangre artificial, no con muestras de pacientes, y que aún no han integrado los pasos de enriquecimiento y reconocimiento. A continuación, planean probar otros tipos de tumores y muestras de pacientes, así como automatizar el sistema. 

«El reto del análisis de células tumorales circulantes no reside solo en encontrar estas células raras, sino también en identificarlas con precisión tras su separación», declaró el autor principal, Xiaochun Li, en un  comunicado de prensa . «Al combinar la microfluídica con la inteligencia artificial, esperamos ofrecer un método más sencillo y flexible para el análisis de CTC sin marcadores y futuras aplicaciones posteriores».

Tomado de:  LabRoots

 Fuente:  Biomedical Analysis