O câncer é uma das principais causas de morte nos países desenvolvidos e, cada vez mais, também naqueles em desenvolvimento. Com base nas estimativas da Agência Internacional de Pesquisa do Câncer de 2018, cerca de 18,1 milhões de casos foram diagnosticados e 9,6 milhões de indivíduos morreram da patologia. A incidência de câncer aumenta com a idade. Portanto, prevê-se que o número de casos cresça ainda mais como consequência do aumento da expectativa de vida.
Dessa forma, pesquisas são necessárias para melhorar a prevenção e os tratamentos contra essa enfermidade. Nesse sentido, é necessário estudar profundamente as células cancerígenas (seja de humanos ou de outros animais); para isso, estas são isoladas e cultivadas continuamente em laboratórios. Esse é o sistema mais comumente usado para estudar a biologia do câncer e a descoberta de novos medicamentos contra esse tipo de doença.
Identificação incorreta
Contudo, muitas linhas celulares são identificadas incorretamente, ou seja, acabam sendo trocadas ou contaminadas por outras, e o resultado disso são os pesquisadores correrem o risco de acabar trabalhando com células que não são cancerígenas.
Desse modo, esse problema de identificação incorreta requer novas maneiras para realizar a autenticação de linhas de células em um ambiente de laboratório. Porém, os métodos de autenticação atuais são caros, demorados e não fazem diferenciação entre as linhas de células da mesma origem genética, como as de células cancerígenas parentais e suas sublinhas adaptadas a drogas.
Identificação por computador
A formação de resistência está associada a mudanças morfológicas que tornam as linhas celulares adaptadas ao fármaco distinguíveis da linha celular parental. Consequentemente, abordagens que usam análise de imagem digital auxiliada por computador podem ser usadas para desenvolver abordagens de autenticação eficazes.
Essas tecnologias podem ser facilmente incluídas na rotina diária do laboratório, complementando outros métodos de autenticação, os quais podem também permitir a discriminação entre linhas celulares da mesma origem genética — tarefa para a qual faltam métodos estabelecidos. Assim, essas abordagens têm o potencial de melhorar a confiabilidade dos resultados da pesquisa devido à redução do uso de linhagens celulares identificadas incorretamente.
Algoritmo para melhor diagnóstico
Para superar a dificuldade de identificação incorreta, pesquisadores da Universidade de Kent (Inglaterra) desenvolveram um algoritmo de computador que pode identificar diferenças nas linhas de células cancerosas. A descoberta, publicada em um artigo na revista científica Nature, representa um desenvolvimento único para acabar com a identificação incorreta de células em laboratórios.
Com base em imagens microscópicas de um conjunto de linhas celulares com câncer, foram utilizados modelos computacionais de inteligência artificial com capacidade de “aprendizado profundo” por meio da comparação em massa de dados de células cancerosas.
A partir disso, os cientistas desenvolveram um algoritmo que possibilita aos computadores examinar imagens digitais microscópicas separadas de linhas celulares, identificando-as e rotulando-as com precisão.
Essa descoberta tem o potencial de fornecer uma ferramenta fácil de usar que viabiliza a rápida identificação de todas as linhas de células em um laboratório, sem equipamentos e conhecimentos especializados.
Diversas aplicações
A pesquisa fornece também evidências iniciais de que metodologias baseadas em imagens podem ser desenvolvidas como ferramentas para a realização de estudos funcionais. Essa é uma prova conceitual de que métodos baseados em imagem com aprendizado profundo podem ser usados para auxiliar aqueles existentes de autenticação de última geração.
Ao utilizar o aprendizado profundo, é possível autenticar linhas de células cancerosas e incluir linhas de células cancerígenas parentais e suas sublinhas adaptadas a drogas, com base no reconhecimento de imagem.
Os dados indicam que a formação de resistência a uma determinada droga pode estar associada a alterações morfológicas específicas. Uma compreensão melhorada de tais processos pode permitir o desenvolvimento de estratégias baseadas em imagens para obter insights mecanicistas.
Além disso, os resultados da pesquisa sugerem que as linhagens de células cancerosas tratadas com a mesma droga desenvolvem mecanismos de resistência muito semelhantes em comparação àquelas tratadas com drogas diferentes, como foi demonstrado no estudo da confiança do modelo treinado.
Conheça o maior e mais relevante evento de saúde do Brasil
Fonte: Universidade de Kent e Nature.