Neste estudo, publicado na revista Computadores em Biologia e Medicinaos pesquisadores desenvolveram uma Inteligência Artificial (IA) que representa um avanço importante na combinação de aprendizagem profunda e técnicas de biologia computacional.
Uma equipe de pesquisadores da Universidade de Granada e da Universidade de Sevilha, liderada por Juan Antonio Marchal Corrales e Miguel Ángel Gutiérrez Naranjo respectivamente, publicou um estudo inovador no qual uma Inteligência Artificial é projetada para melhorar a previsão da evolução da migração celular no câncer de mama. O estudo, intitulado Usando Deep Learning para Prever a Evolução Dinâmica da Migração do Câncer de Mamarepresenta um avanço importante na combinação de aprendizagem profunda técnicas e biologia computacional.
O trabalho multidisciplinar, com a participação de Francisco M. García Moreno e do estudante de doutoramento Jesús Ruiz Espigares, ambos da Universidade de Granada, centra-se no desenvolvimento de um quadro preditivo denominado Quadro de Previsão da Progressão de Feridas (PWPF). Esta estrutura aproveita o poder de aprendizagem profunda analisar e prever a migração celular em modelos bidimensionais – tecnicamente conhecidos como cicatrização de feridas – fornecendo novos insights sobre a compreensão do processo metastático do câncer de mama.
“A metástase é a principal causa de mortalidade em pacientes com cancro da mama e compreender como ocorre a migração celular é crucial para desenvolver melhores estratégias terapêuticas”, explica Jesús Ruiz, co-investigador principal do Departamento de Anatomia Humana e Embriologia da Universidade de Granada e membro do Centro de Pesquisas Biomédicas (CIBM).
A equipe desenvolveu uma arquitetura de rede neural baseada em Conv-LSTM que aproveita as características espaciais e temporais dos dados de migração celular. Esta arquitetura permite uma previsão precisa da evolução da técnica de cicatrização de feridas ao longo do tempo, melhorando a capacidade de analisar a dinâmica no contexto dos modelos de cancro da mama. Esta abordagem automatizada pode ser aplicada a modelos 3D mais complexos que imitam melhor as características do tumor e promete abrir novos caminhos para a investigação e tratamento do cancro.
A pesquisa é resultado de um colaboração multidisciplinar entre diferentes departamentos e centros: o Departamento de Linguagens e Sistemas Informáticos (LSI), o Departamento de Anatomia Humana e Embriologia e CITIC da Universidade de Granada, o Laboratório Singular BioFabi3D_Biofabricação e (bio)impressão 3D do CIBM, a Unidade de Excelência “Modelagem da Natureza” e o Instituto de Pesquisa Biossanitária ibs.GRANADA, bem como o Departamento de Ciência da Computação e Inteligência Artificial da Universidade de Sevilha.
O avanço da equipa não se destaca apenas pela sua contribuição científica, mas também pela sua acessibilidade e promoção do acesso aberto, uma vez que o código e os dados gerados estão disponíveis publicamente nos seus repositórios GitHub e Zenodo, promovendo o acesso aberto e a colaboração internacional na investigação do cancro.
O projeto foi realizado graças ao financiamento do Ministério da Ciência, Inovação e Universidades (MICIN), do Ministério da Saúde do Governo Regional da Andaluzia e da Cátedra Doutores Galera e Requena de Investigação em Células Estaminais Cancerígenas da UGR.
Referência bibliográfica:
Garcia-Moreno FM, Ruiz-Espigares J, Gutiérrez-Naranjo MA, Marchal JA. Usando aprendizagem profunda para prever a evolução dinâmica da migração do câncer de mama. Comput Biol Med. Setembro de 2024;180:108890. doi: 10.1016/j.compbiomed.2024.108890. Epub 2024, 27 de julho. PMID: 39068903.
