Un equipo formado por una empresa científica de nueva creación e investigadores académicos ha inventado un nuevo sistema de identificación y clasificación celular llamado citometría fantasma. El sistema combina una técnica de imagen novedosa con inteligencia artificial para identificar y clasificar células con una velocidad de alto rendimiento sin precedentes.Los científicos que lideran el proyecto esperan que su método se utilice para identificar y clasificar las células cancerosas que circulan en la sangre de los pacientes, permitir un descubrimiento más rápido de fármacos y mejorar la calidad de las terapias médicas basadas en células.
"La citometría fantasma ayudará a los investigadores que necesitan clasificar las células en el laboratorio y beneficiará a los médicos y pacientes que necesitan un diagnóstico y un aislamiento rápidos y precisos de las muestras de células", dijo el profesor asociado Sadao Ota de la Universidad de Tokio.
En un artículo publicado en el número del 15 de junio de 2018 de ciencia , los investigadores demostraron que la citometría fantasma puede clasificar al menos dos tipos diferentes de células con tamaños y estructuras similares con muy pocas células mal identificadas. La citometría fantasma puede identificar células a una velocidad de más de 10,000 células por segundo y clasificar las células en grupos apropiadosa una velocidad de varios miles de células por segundo. Las máquinas de clasificación de células existentes no pueden distinguir entre tipos de células con apariencias tan similares. Los expertos humanos que utilizan microscopía identifican y clasifican de forma rutinaria menos de 10 células por segundo, a veces con menos precisión.
El nombre de la citometría fantasma se refiere a cómo la técnica analiza los datos mínimos de ondas de luz sin transformar ninguno de esos datos de luz en una imagen; es una tecnología de imágenes sin imágenes. Los métodos actuales para identificar diferentes tipos de células se basan en imágenes microscópicas de las células, que luego son clasificados por un programa de reconocimiento de imágenes por computadora o por un observador humano. Confiar en imágenes completas ha hecho que la clasificación de células de alto rendimiento en tiempo real sea un objetivo difícil de alcanzar.
"Al comienzo de este proyecto, éramos un pequeño equipo de científicos jóvenes en una sala mal equipada. Debido a nuestros recursos limitados, nos enfocamos en la forma más eficiente de usar la información en lugar de crear un mejor hardware. Esto nos llevó ala idea de no desarrollar nuevas técnicas basadas en imágenes de manera convencional, sino transformar la información visual en un formato que permita un procesamiento rápido a través del aprendizaje automático ", dijo Ota. Ota es parte del grupo de investigación interdisciplinario de especialistas en imágenes ópticas, bioingenieros, biofísicos y expertos en aprendizaje automático que desarrollaron la técnica. Algunos miembros del equipo de investigación también fundaron ThinkCyte, una empresa que tiene como objetivo comercializar el equipo.
"A veces no existen tintes, tintes u otros biomarcadores que puedan etiquetar de manera eficaz diferentes tipos de células o diferentes estados de activación de la misma célula. Ese es un momento en el que la citometría fantasma puede ser especialmente valiosa para médicos, pacientes e investigadores,"dijo Ota.
En la citometría fantasma, las células se apresuran una a la vez a través de un canal estrecho debajo de una cámara detectora de un solo píxel que detecta las ondas de luz fluorescente emitidas por cada célula. Esta interpretación de las ondas de luz sin necesidad de transformarlas en una imagen completa es lo que haceLa citometría fantasma es un sistema visual sin imágenes. Un circuito eléctrico equipado con algoritmos de aprendizaje automático se conecta a la cámara del detector de un solo píxel y aprende el patrón de onda de luz único de cada tipo de célula para identificar las células en 10 microsegundos. Luego, el circuito envía una señal eléctricapara empujar las células hacia la ruta de clasificación correcta para su tipo a medida que fluyen.
El sistema de aprendizaje automático no necesita imágenes para analizar las células, pero si los investigadores requieren imágenes para un análisis adicional, la cámara detectora de un solo píxel captura suficiente información para reconstruir digitalmente imágenes bidimensionales tradicionales de células que pasan a través del sistema de citometríasi los investigadores requieren imágenes para un análisis adicional.
El método actual de citometría fantasma implica teñir células con tintes fluorescentes que colorearan naturalmente cualquier tipo de célula de una manera única. Los proyectos de investigación en curso están explorando la posibilidad de que los programas de aprendizaje automático y las técnicas de imagen más avanzados puedan eliminar la necesidad de tinción fluorescente por completo.
Esta es la primera tecnología de clasificación de células activada por imágenes de fluorescencia ultrarrápida y puede aislar un tipo de célula específico de una mezcla de células físicamente similares con un alto rendimiento. ThinkCyte planea iniciar proyectos de investigación clínica en oncología y medicina regenerativa utilizando la citometría fantasma en colaboracióncon institutos de investigación este año. La compañía también ha desarrollado un prototipo de investigación del equipo de citometría Ghost y planea comercializar un producto beta de investigación-uso en 2019.
Fuente de la historia :
Materiales proporcionados por Universidad de Tokio . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :