Investigadores de la UGR diseñan una IA para predecir la migración celular en el cáncer mama

El estudio, titulado 'Using Deep Learning for Predicting the Dynamic Evolution of Breast Cancer Migration' ('Uso del aprendizaje profundo para predecir la evolución dinámica de la migración del cáncer de mama', en español), supone un avance en la combinación de técnicas de 'deep learning' (aprendizaje profundo) y biología computacional, según ha detallado la UGR en una nota de prensa.

El trabajo multidisciplinar, con la participación de Francisco M. García y el doctorando Jesús Ruiz Espigares, ambos de la UGR, se centra en el desarrollo de un marco predictivo denominado 'Prediction Wound Progression Framework' (PWPF) o 'Marco de predicción de la progresión de las heridas', en español.

Este marco aprovecha el poder del aprendizaje profundo para analizar y predecir la migración celular en modelos bidimensionales --técnicamente conocidos por 'Wound Healing' o cicatrización de heridas--, proporcionando nuevas perspectivas en la comprensión del proceso metastásico del cáncer de mama.

«La metástasis es la principal causa de mortalidad en pacientes con cáncer de mama y comprender cómo se produce la migración celular es crucial para desarrollar mejores estrategias terapéuticas», ha explicado el investigador co-principal del Departamento de Anatomía y Embriología Humana de la UGR y miembro del Centro de Investigación Biomédica (CIBM), Jesús Ruiz.

El equipo ha desarrollado una arquitectura de redes neuronales basada en Conv-LSTM, que aprovecha tanto las características espaciales como temporales de los datos de migración celular. Esta arquitectura permite predecir con precisión la evolución de la técnica de 'Wound Healing' a lo largo del tiempo, mejorando la capacidad para analizar la dinámica en el contexto de modelos de cáncer de mama.

Este enfoque automatizado puede ser aplicado a modelos más complejos en 3D que mimeticen mejor las características de los tumores y promete abrir nuevas vías para la investigación y el tratamiento del cáncer.

La investigación es el resultado de una colaboración multidisciplinar entre diferentes departamentos y centros: el Departamento de Lenguajes y Sistemas Informáticos (LSI), el Departamento de Anatomía y Embriología Humana y el Citic de la UGR, el Laboratorio Singular BioFabi3D_Biofabricación y (bio) impresión 3D del CIBM, la Unidad de Excelencia 'Modeling Nature' y el Instituto de Investigación Biosanitaria ibs.Granada, además del Departamento de Ciencias de la Computación y la IA de la US.

El avance del equipo no sólo destaca por su contribución científica, sino también por su accesibilidad y promoción al acceso abierto, ya que el código y los datos generados están disponibles públicamente en sus repositorios de GitHub y Zenodo, fomentando el acceso abierto y la colaboración internacional en la investigación del cáncer.

El proyecto ha sido llevado a cabo gracias a la financiación del Ministerio de Ciencia, Innovación Universidades (Micin), la Consejería de Salud Familias de la Junta de Andalucía y la Cátedra Doctores Galera y Requena de Investigación en Células Madre Cancerígenas de la UGR.