IA ayuda a detectar cambios en el tamaño de las células musculares

¿Puede la inteligencia artificial facilitar el análisis de miles de células musculares y, al mismo tiempo, reducir los costos asociados a este tipo de estudios? Esa es una de las preguntas que aborda una investigación recientemente publicada en la revista científica Computer Methods and Programs in Biomedicine, que contó con la participación de Javier Russell Guzmán, MSc. PhD., académico investigador de Kinesiología de la Universidad Santo Tomás.

El estudio fue desarrollado en colaboración con el Laboratorio de Metabolismo Muscular de la Universidad de Chile y académicos de distintas universidades, y tuvo como resultado el desarrollo de CellSize-Clust, un algoritmo basado en herramientas de Machine Learning capaz de clasificar automáticamente las células musculares según su tamaño.

A partir de una sola medida del diámetro de las fibras, la herramienta permite analizar grandes cantidades de células y distinguir dos grupos principales según su tamaño. Además, el estudio evidenció que la proporción de estos grupos varía dependiendo del músculo analizado.

“Una de las principales ventajas es que permite analizar miles de fibras musculares a partir de una sola medida de su diámetro, sin necesidad de técnicas de laboratorio costosas ni marcaje con anticuerpos. Esto hace que sea un método reproducible y económico”, explica Russell.

La relevancia de este avance está relacionada con el papel que cumple el tamaño de las fibras musculares en la capacidad de generar fuerza. Procesos como el envejecimiento, la inactividad física o una alimentación excesivamente alta en grasas pueden producir modificaciones en estas células, afectando su funcionamiento.

Si bien la investigación fue realizada en modelos de ratón, sus resultados podrían abrir camino a nuevas metodologías para el estudio de la musculatura humana. En particular, este tipo de herramientas podría contribuir a investigar procesos asociados a la pérdida de masa y función muscular, como la atrofia.

“Esperamos aportar herramientas que faciliten el estudio y el diagnóstico de procesos como la atrofia muscular”, señala el académico de Kinesiología UST, quien destaca el potencial de incorporar herramientas de inteligencia artificial al análisis de fenómenos vinculados con la salud muscular.

El trabajo representa así un nuevo punto de encuentro entre ciencia, tecnología e investigación en salud, mostrando cómo el Machine Learning puede convertirse en una herramienta para optimizar procesos de análisis biológico y generar nuevas oportunidades para comprender enfermedades y alteraciones musculares.