Inteligencia artificial biomédica · global
Enseñar a la IA a interpretar los vecindarios celulares de los tumores: EPFL abre un atlas de proteómica espacial
spora integra imágenes de tejidos de más de cinco mil pacientes para que los investigadores comparen cómo las distintas células se sitúan unas junto a otras e interactúan en los tumores, y establece una base común de evaluación para la IA aplicada al cáncer. La integración de datos da un paso adelante, pero aún queda trabajo de validación para lograr predicciones clínicas fiables.
Una muestra de tejido tumoral puede revelar mucho más que el aspecto de las células cancerosas. Dónde se agrupan las células inmunitarias y qué células se encuentran unas junto a otras también podrían ofrecer pistas sobre la progresión de la enfermedad y la respuesta al tratamiento. La Escuela Politécnica Federal de Lausana (EPFL) presentó el 28 de octubre spora, un recurso de proteómica espacial que organiza en un formato común imágenes de tejidos procedentes de distintos estudios, dando a la inteligencia artificial la oportunidad de aprender de «vecindarios» celulares más diversos.
spora reúne 13,546 imágenes con marcaje múltiple procedentes de 35 grupos de estudio y 5,477 pacientes; según el anuncio de EPFL y la documentación de la plataforma, abarca 14 tipos de origen tisular y cinco tecnologías de imagen: IF, Orion, IMC, CODEX y MIBI. Estas tecnologías permiten medir múltiples proteínas conservando la información sobre su ubicación en el tejido, lo que ayuda a los investigadores a identificar las células y describir las relaciones espaciales entre el tumor y las células inmunitarias circundantes.
Hasta ahora, a menudo resultaba difícil analizar estos datos conjuntamente: los instrumentos, las combinaciones de marcadores proteicos, los formatos de archivo y las anotaciones clínicas variaban entre laboratorios. Por ello, el equipo de spora armonizó las imágenes y los nombres de las proteínas, organizó los datos de los pacientes y proporcionó información de segmentación que delimita las células y los tejidos. Sin embargo, unificar los formatos no significa que desaparezcan las diferencias experimentales; el atlas conserva la procedencia y las anotaciones de los estudios originales para que los usuarios puedan determinar qué datos son adecuados para responder a sus preguntas.
El atlas también intenta conectar las mediciones moleculares con la interpretación anatomopatológica habitual. De los 944,680 pequeños fragmentos de imágenes con marcaje múltiple que figuran en la documentación de la plataforma, el 30.7% dispone de datos emparejados de tinción con hematoxilina y eosina (H&E). Esto proporciona material de entrenamiento para la «tinción virtual»: los investigadores pueden comprobar si los modelos logran estimar la distribución de proteínas específicas a partir de imágenes anatomopatológicas convencionales. Pero los datos emparejados solo corresponden a una parte de los fragmentos, por lo que no puede considerarse que todo el atlas ofrezca el mismo grado de correspondencia entre los datos moleculares y los anatomopatológicos.
La biblioteca de software spora-io, publicada junto con el atlas, ayuda a los investigadores a cargar y dividir imágenes y a realizar muestreos entre grupos; spora-bench, por su parte, proporciona un procedimiento común de evaluación. El artículo publicado en arXiv el 15 de octubre, que indica haber sido aceptado en NeurIPS 2026, describe pruebas de referencia que abarcan 12 grupos de estudio e incluyen la identificación de tipos celulares, el diagnóstico y la predicción de la respuesta al tratamiento, así como la tinción virtual, permitiendo comparar los modelos existentes con modelos específicos para cada tarea en condiciones uniformes.
La cuestión central que aborda este marco de evaluación es si los modelos siguen siendo fiables cuando cambian los pacientes, el laboratorio o la tecnología de medición. Un buen rendimiento en un único estudio podría deberse en parte a la familiaridad con características específicas de sus datos; las pruebas entre estudios permiten examinar con mayor profundidad si los patrones aprendidos por los modelos pueden generalizarse. El atlas amplía las posibilidades de investigar esta cuestión, pero el volumen de datos, los marcadores proteicos disponibles y la información clínica siguen siendo desiguales entre los distintos tejidos, por lo que es necesario prestar atención al ámbito de aplicación al utilizarlo.
Por ahora, la aportación de spora consiste en datos y una base de evaluación disponibles para la investigación; esto aún no permite concluir que la IA pueda mejorar el diagnóstico o los resultados del tratamiento de los pacientes. Para utilizar los modelos en la interpretación anatomopatológica o en la selección de tratamientos, todavía es necesario validarlos para su uso concreto con datos de pacientes independientes y en los flujos de trabajo clínicos. El acceso abierto a los datos también está sujeto a condiciones de uso: la documentación de la plataforma recuerda que las licencias de los datos varían entre grupos y que tanto las investigaciones posteriores como las aplicaciones comerciales requieren comprobarlas individualmente.