Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

O sistema do AI pode ràpida identificar células estaminais saudáveis, produtivas da pele

A terapia de célula estaminal está no de ponta da medicina regenerativa, mas até aqui os pesquisadores e os clínicos tiveram que cuidadosa avaliar a qualidade da célula estaminal olhando cada pilha individualmente sob um microscópio. Agora, os pesquisadores de Japão encontraram uma maneira de acelerar este processo, usando a potência da inteligência artificial (AI).

Em um estudo publicado em fevereiro nas células estaminais, os pesquisadores da universidade médica e dental do Tóquio (TMDU) relataram que seu sistema do AI, chamado DeepACT, pode identificar células estaminais saudáveis, produtivas da pele com a mesma precisão que um ser humano pode.

As células estaminais podem tornar-se diversos tipos diferentes das pilhas maduras, que os meios eles podem ser usados para crescer tecidos novos nos casos de ferimento ou da doença. As células estaminais de Keratinocyte (pele) são usadas para tratar doenças de pele herdadas e para crescer folhas da pele que é usada para reparar grandes queimaduras.

As células estaminais de Keratinocyte são um de poucos tipos de células estaminais adultas que crescem bem no laboratório. Os keratinocytes os mais saudáveis movem-se mais rapidamente do que pilhas menos saudáveis, assim que podem ser identificados pelo olho usando um microscópio. Contudo, este método é demorado, trabalho-intensivo, e sujeito a erros.”

Takuya Hirose, autor principal

Para endereçar este, os pesquisadores apontaram desenvolver um sistema que identificasse e seguisse o movimento destas células estaminais automaticamente.

“Nós treinamos este sistema com um processo chamado “profundamente aprender” usando uma biblioteca de imagens da amostra,” diz o autor do co-chumbo, Jun'ichi Kotoku. “Então nós testamo-lo em um grupo novo de imagens e encontramo-los que os resultados eram muito exactos comparados com a análise manual.”

Além do que a detecção de células estaminais individuais, o sistema de DeepACT igualmente calcula do “o deslocamento predeterminado movimento” de cada colônia, que indica como rapidamente os thecells na região central do movimento da colônia compararam com os aqueles na região marginal. As colônias com o deslocamento predeterminado o mais alto do movimento eram muito mais prováveis do que as colônias com mais baixo deslocamento predeterminado do movimento crescer bem, fazendo lhes bons candidatos para gerar folhas da pele nova para que a transplantação queime pacientes.

“DeepACT é uma maneira nova poderosa de executar o controle exacto da qualidade de células estaminais humanas do keratinocyte e fará este processo mais seguro e mais eficiente,” indica Daisuke Nanba, autor superior.

Dado que as transplantações da pele podem falhar se contêm células estaminais insalubres ou improdutivas demais, podendo identifique a rapidamente e facilmente as pilhas as mais apropriadas seria uma vantagem clínica considerável. O controle automatizado da qualidade podia igualmente ser valioso para a fabricação industrial da célula estaminal, ajudar a assegurar uma fonte estável da pilha e abaixar custos de gastos de fabricação.

Source:
Journal reference:

Hirose, T., et al. (2021) Label-free quality control and identification of human keratinocyte stem cells by deep learning-based automated cell tracking. Stem Cells. doi.org/10.1002/stem.3371.