Un avance de la Universidad de Alabama en Birmingham, que utiliza el aprendizaje profundo para acelerar la evaluación de la salud cardíaca en moscas de la fruta, podría allanar el camino para nuevos conocimientos sobre las enfermedades cardíacas humanas.
En un impresionante avance para la investigación biomédica, un equipo de la Universidad de Alabama en Birmingham (UAB) ha empleado tecnología de aprendizaje profundo para transformar la forma en que los científicos estudian el envejecimiento cardíaco y las enfermedades utilizando moscas de la fruta, conocidas científicamente como Drosophila. Este avance tecnológico puede acelerar significativamente la investigación cardíaca y reducir el error humano, lo que promete nuevas fronteras en los estudios de enfermedades cardíacas que eventualmente podrían beneficiar la salud humana.
Las moscas de la fruta han servido durante mucho tiempo como modelo fiable para la investigación de enfermedades cardiovasculares humanas. Sin embargo, medir funciones cardíacas como la expansión y la contracción tradicionalmente requería una intervención humana que requería mucho tiempo. Dirigidos por Girish Melkani, profesor asociado de la División de Patología Molecular y Celular del Departamento de Patología de la UAB, los investigadores de la UAB han desarrollado un método que utiliza aprendizaje profundo y microscopía de vídeo de alta velocidad para automatizar estas mediciones.
“Nuestro método de aprendizaje automático no sólo es rápido; Minimiza el error humano porque no es necesario marcar manualmente cada pared del corazón en condiciones sistólicas y diastólicas”, dijo Melkani en un comunicado de prensa. "Además, puede realizar los análisis de varios cientos de corazones y observar los análisis cuando se realicen para todos los corazones".
Este enfoque abre la posibilidad de realizar pruebas más exhaustivas sobre cómo diversos factores ambientales y genéticos influyen en el envejecimiento y la patología del corazón. Los modelos potenciales para futuros estudios incluyen el pez cebra y los ratones, que, al igual que las moscas de la fruta, son invaluables para la investigación cardiovascular.
"Además, nuestras técnicas podrían adaptarse a modelos de corazón humano, proporcionando información valiosa sobre la salud y la enfermedad cardíaca", añadió Melkani. "Además, el enfoque de aprendizaje automático puede predecir el envejecimiento cardíaco con gran precisión".
La investigación del equipo de la UAB probó su modelo tanto en corazones envejecidos como en un modelo de miocardiopatía dilatada de mosca de la fruta, causada por la destrucción de una enzima crítica, la oxoglutarato deshidrogenasa. Entrenaron su modelo automatizado utilizando 54 corazones y lo validaron con 177 corazones adicionales, recreando con éxito las tendencias esperadas de envejecimiento cardíaco.
Melkani destacó que su modelo podría implementarse con hardware de consumo. El código de análisis generado por el equipo puede calcular una variedad de estadísticas cardíacas vitales, incluidos diámetros diastólicos y sistólicos, acortamiento fraccional, fracción de eyección, frecuencia cardíaca y arritmicidad de los latidos cardíacos.
"Hasta donde sabemos, esta innovadora plataforma para la segmentación asistida por aprendizaje profundo es la primera de su tipo que se aplica a la microscopía óptica estándar de alta resolución y alta velocidad de corazones de Drosophila y al mismo tiempo cuantifica todos los parámetros relevantes", dijo Melkani.
Esta técnica pionera promete transformar la forma en que los investigadores estudian la función cardíaca en las moscas de la fruta y más allá.
“Al automatizar el proceso y proporcionar estadísticas cardíacas detalladas, allanamos el camino para estudios más precisos, eficientes y completos de la función cardíaca en Drosophila. Este método tiene un enorme potencial, no sólo para comprender el envejecimiento y las enfermedades de las moscas de la fruta, sino también para traducir estos conocimientos en la investigación cardiovascular humana”, añadió Melanie.
El Estudio, titulado “Evaluación automatizada de la dinámica cardíaca en modelos de envejecimiento y miocardiopatía dilatada de Drosophila mediante aprendizaje automático”, se publicó en Communications Biology.