Inteligência artificial melhora o desempenho de terapia oftalmológica com células-tronco

Terapias com células-tronco já não são parte de um cenário futurístico. Uma equipe de pesquisadores do Instituto Nacional Ocular (NEI, National Eye Institute) e do Instituto Nacional de Padrões e Tecnologia (NIST, National Institute of Standards and Technology), nos Estados Unidos, conseguiu recentemente evitar a cegueira em um modelo animal usando este tipo de terapia, e já estão planejando os testes clínicos. Usar essa tecnologia revolucionária, entretanto, traz seus próprios desafios.

O trabalho da equipe envolve um grupo de células que forma o tecido epitelial de pigmentos da retina, que é um dos primeiros a morrer em função de uma doença chamada degeneração macular relacionada à idade (AMD, age-related macular degeneration), uma das principais causas de cegueira adquirida. A técnica desenvolvida pelos cientistas envolve usar células sanguíneas do próprio paciente, que são transformadas no laboratório em células-tronco pluripotentes induzidas (IPSCs, induces pluripotent stem cells). Com o estímulo físico-químico correto, essas células-tronco podem potencialmente se especializar em qualquer outra célula do corpo. Para virarem as células da retina, as IPSCs são implantadas em um molde biodegradável. Quando atingem o nível de maturação necessário, elas podem ser transplantadas ao paciente, onde irão repor as células que morreram.

Uma das etapas mais trabalhosas desse processo é garantir que as células estão no estágio correto para transplante. Este processo, que é tradicionalmente de baixo rendimento, caro e que requer uma pessoa treinada, envolve visualizar marcadores de maturação através de técnicas de microscopia. Para melhorar os resultados dessa fase de controle de qualidade, os cientistas então resolveram testar o uso de outra técnica inovadora, a inteligência artificial.

Usando “terabytes de dados de imagem” obtidos por um microscópio quantitativo, eles treinaram uma rede neural para que ela reconhecesse indicações visuais de maturação das células. A rede detectou corretamente marcadores conhecidos na literatura, como a força das junções entre células adjacentes, e a secreção de fatores de crescimento do tecido. No final da avaliação de desempenho, o método baseado em inteligência artificial se mostrou mais preciso e muito mais rápido que o método tradicional.

No comunicado à imprensa associado a essa pesquisa, o cientista líder do trabalho aproveitou pra frisar que, com as técnicas de apoio certas – como aquela proporcionada pela inteligência artificial -, mesmo um microscópio amador pode ser usado para fazer medidas precisas e confiáveis da qualidade de um tecido, servindo de alavanca para a aplicação de metodologias ainda mais sofisticadas – como o estudo com células-tronco.

Seja o primeiro a comentar

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *