El equipo liderado por el investigador Ricardo García, del Consejo Superior de Investigaciones Científicas (CSIC) y el Instituto de Ciencia de Materiales de Madrid (ICMM), ha dado un paso significativo en el ámbito de la biomedicina al desarrollar un innovador método de inteligencia artificial (IA). Este avance permite predecir las propiedades nanomecánicas de células y tejidos biológicos a partir de datos obtenidos mediante microscopía de fuerzas atómica (AFM).
Este nuevo enfoque no solo mejora la precisión en la obtención de datos, sino que también acelera el procesamiento, permitiendo analizar miles de curvas experimentales en un tiempo considerablemente reducido. Según García, “el microscopio de fuerzas funciona muy bien, pero tiene limitaciones relacionadas con la velocidad a la que se adquieren y procesan los datos”. En el campo biomédico, donde la rapidez es crucial, este método representa una solución efectiva para obtener estadísticas fiables sin que la variabilidad individual comprometa los resultados.
Un avance en el análisis de datos
Conscientes de estas limitaciones, el equipo comenzó a integrar inteligencia artificial hace tres años. A través del desarrollo de códigos específicos, lograron agilizar el análisis de los datos procedentes del AFM. “Nuestro método permite predecir más rápido el estado físico de las células”, explica García. Gracias a esta innovación, tareas que antes requerían hasta ocho horas ahora se completan en apenas 30 minutos.
La patente del método fue registrada hace poco más de un año y medio, y desde entonces han colaborado estrechamente con Bruker para su licitación. Esta colaboración marca un hito como la primera licencia otorgada por el CSIC para un método IA aplicado a AFM, destacando la relevancia del trabajo realizado.
Nuevas metodologías en nanotecnología
El grupo dirigido por García se ha posicionado como líder mundial en la creación de nuevas metodologías e instrumentos dentro del campo de la nanotecnología. Su trabajo es fundamental para entender cómo las propiedades nanomecánicas de las células están relacionadas con su metabolismo y pueden influir en enfermedades cardiovasculares, inmunológicas o neurológicas.
“Nadie más interroga a las células como lo hacemos aquí”, afirma García en un reciente reportaje. Con estos métodos innovadores, el equipo está logrando avances significativos en precisión espacial, numérica y temporal, lo que podría transformar nuestra comprensión sobre diversas patologías.
La noticia en cifras
| Descripción |
Cifra |
| Tiempo de procesamiento anterior |
8 horas |
| Tiempo de procesamiento actual |
30 minutos |
| Tiempo desde que se protegió la patente |
poco más de un año y medio |
Preguntas sobre la noticia
¿Qué método ha desarrollado el CSIC para predecir las propiedades nanomecánicas de las células?
El CSIC ha desarrollado un método de inteligencia artificial que permite aprender de los datos obtenidos por microscopía de fuerzas atómica (AFM) para predecir las propiedades nanomecánicas de materiales, en particular, células y tejidos biológicos.
¿Cómo mejora este nuevo método el análisis de datos obtenidos por AFM?
El nuevo método permite procesar miles de curvas experimentales rápidamente y suprime errores asociados a la adquisición de datos de AFM. Los tiempos de procesamiento se han reducido significativamente, pasando de ocho horas a solo 30 minutos.
¿Por qué es importante la rapidez en el análisis en biomedicina?
La rapidez es esencial en biomedicina porque es necesario analizar muchas muestras para obtener estadísticas fiables, evitando que la variabilidad individual lleve a resultados erróneos.
¿Con quién ha trabajado el equipo del CSIC para la patente del nuevo método?
El equipo ha trabajado mano a mano con Bruker para la licitación de la patente del método, que es la primera licencia de un método IA aplicado a AFM desarrollada por el CSIC y firmada por Bruker.
¿Cuál es el impacto potencial del nuevo método en la comprensión de enfermedades?
El nuevo método ayuda a comprender cómo las propiedades nanomecánicas de las células se relacionan con su metabolismo y el desarrollo de enfermedades cardiovasculares, inmunológicas o neurológicas.
Si (
No(
