🔬 Un equipo presenta VirTues, un modelo de IA que reúne imágenes de proteínas de tejidos tomadas con paneles y tecnologías distintos. Al entrenarlo con 32 cohortes de más de 5 100 pacientes y 239 marcadores, el sistema reconstruyó señales, anotó células y halló firmas que predijeron respuesta terapéutica en cáncer de mama triple negativo.
La proteómica espacial mide decenas o cientos de proteínas en tejidos intactos, pero cada estudio suele usar marcadores, protocolos y plataformas propios. VirTues busca sortear esa fragmentación: incorpora cada marcador por su secuencia de proteína y separa la atención sobre los marcadores de la atención sobre el espacio del tejido.
El equipo lo entrenó sin etiquetas para recuperar partes ocultas de las imágenes. En 15 cohortes de citometría de masas por imagen, con 3 102 pacientes y 146 marcadores, obtuvo una correlación media de 0,800 al reconstruir regiones ocultas. En biopsias previas al tratamiento de cáncer de mama triple negativo, cuatro firmas derivadas del modelo lograron un AUROC de 0,823 para predecir respuesta a quimioinmunoterapia anti-PD-L1. En otra cohorte, esas firmas separaron grupos con distinta supervivencia libre de enfermedad.
✅ El trabajo sugiere que una sola representación podría servir para reconstruir marcadores, segmentar células y buscar biomarcadores espaciales entre cohortes distintas. Aun así, la reconstrucción pierde calidad con marcadores poco relacionados con los datos de entrenamiento, y los análisis de supervivencia son pruebas tempranas: hacen falta cohortes independientes, modelos ajustados por covariables y validación prospectiva antes de usarlo en clínica.
⚕️ No es consejo médico.
