Desarrollan un método rápido y preciso para detectar células de cáncer de mama a partir de su actividad metabólica

Los resultados del estudio, publicados en `iScience`, señalan que este método suprime la principal fuente de ruido en microscopía holográfica digital que permite visualizar la actividad metabólica de las células con alta resolución espacial y alta sensibilidad en pocos minutos. En concreto, la técnica desarrollada revela cómo se configura espacialmente la actividad metabólica en las células en función de su malignidad en células tumorales de cáncer de mama.

En cuanto a sus aplicaciones clínicas, esta técnica puede mejorar la detección temprana del cáncer, la evaluación de la progresión de la enfermedad y la personalización de tratamientos oncológicos, según han explicado los investigadores del estudio. Además, podría facilitar el desarrollo de nuevas terapias dirigidas y mejorar la comprensión de la biología del cáncer.

"Este avance ha revelado que las células de cáncer de mama presentan regiones muy definidas donde se desarrolla la mayoría de la actividad metabólica alimentada por ATP, una molécula que proporciona energía en la mayoría de los procesos celulares", ha explicado el investigador del IMN-CSIC, Javier Tamayo, que ha dirigido el estudio.

"Sorprendentemente, a medida que aumenta la malignidad, las células expanden estratégicamente estas regiones activas para satisfacer sus crecientes demandas energéticas", ha añadido el coautor del trabajo José Jaime Ruz.

De este modo, esta expansión proporciona una "herramienta única" para entender la desregulación del metabolismo en tumores, una de las principales características de las células tumorales que les permite obtener energía para proliferar sin control e invadir otros órganos durante la metástasis. Este es el primer método que permite obtener esta información de modo no invasivo y sin usar moléculas fluorescentes.

Además, el grupo ha desarrollado algoritmos de tratamiento y procesado de imágenes que permiten determinar la malignidad y el potencial metastásico de las células cancerosas en un corto periodo de tiempo y con alta precisión usando algoritmos de `deep learning`, que ya han sido patentados por los coautores Álvaro Cano y José Jaime Ruz.