Unos científicos han desarrollado una nueva técnica que identifica células cancerosas en muestras de sangre más rápido y de forma más precisa que lo alcanzable mediante los actuales métodos convencionales.


En el enfoque común para la detección del cáncer, los médicos añaden biosustancias a las muestras de sangre. Estas biosustancias aplican “etiquetas” biológicas a las células cancerosas, y esas etiquetas permiten que las detecten e identifiquen los instrumentos. Sin embargo, las biosustancias dañan las células e inutilizan las muestras para futuros análisis.

La nueva técnica, desarrollada por el equipo de Claire Lifan Chen, Barham Jalali, y Ata Mahjoubfar, de la Universidad de California en Los Ángeles (UCLA), en Estados Unidos, visualiza las células sin destruirlas, y puede identificar 16 características físicas, incluyendo el tamaño, la granularidad y la biomasa, en vez de solo una. Combina dos componentes que fueron inventados en la UCLA: un microscopio especializado, que es capaz de visualizar rápidamente células en muestras de sangre, y un programa informático, con una modalidad de inteligencia artificial conocida como “aprendizaje profundo”, que identifica las células cancerosas con una precisión superior al 95 por ciento.

El innovador microscopio empleado en la nueva técnica funciona tomando imágenes de células sanguíneas fluyendo, usando ráfagas láser de la misma manera que una cámara emplea un flash. Este proceso sucede tan rápidamente (en nanosegundos, o milmillonésimas de segundo) que las imágenes serían demasiado débiles para ser detectadas o demasiado rápidas para ser digitalizadas por el instrumental normal.

El nuevo microscopio supera estos problemas usando óptica diseñada especialmente, que potencia la claridad de las imágenes y que simultáneamente evita que resulten demasiado fugaces para los sistemas de digitalización y análisis. A ello contribuye el uso de aprendizaje profundo para distinguir las células cancerosas de las sanas, por ejemplo glóbulos blancos.
El resultado final es la capacidad de analizar imágenes a un ritmo de 36 millones por segundo.