En la investigación sobre el cáncer y la investigación farmacológica, los organoides y esferoides cancerosos desempeñan un papel indispensable, ya que recapitulan la heterogeneidad tumoral y los procesos fisiopatológicos in vitro, y pueden generarse de forma rápida y rentable.

Por lo tanto, la obtención de imágenes y el estudio de los organoides y esferoides cancerosos son la clave para resolver cuestiones clínicas y biológicas complejas.

Hasta ahora, las soluciones de obtención de imágenes disponibles en el mercado consisten principalmente en métodos de microscopía de campo claro y fluorescencia.

Sin embargo, estos métodos tienen limitaciones inherentes que les impiden ofrecer simultáneamente imágenes no invasivas, de alto contenido, sin marcadores y longitudinales de modelos cancerosos en 3D, especialmente si se tiene en cuenta la monitorización basada en imágenes de organoides derivados de pacientes.

En un nuevo artículo publicado en Light: Science & Applications, un equipo de científicos, dirigido por el profesor adjunto Mengyang Liu, del Centro de Física Médica e Ingeniería Biomédica de la Universidad Médica de Viena (Austria), la profesora adjunta Kristen Meiburger, del Departamento de Electrónica y Telecomunicaciones del Politecnico di Torino (Italia), y sus colaboradores, ha desarrollado un sistema OC-PAM mejorado con IA para la obtención de imágenes de modelos de cáncer en 3D.

A través de tres experimentos cuidadosamente diseñados, se ha demostrado que el sistema OC-PAM puede realizar un seguimiento longitudinal de los organoides, evaluar la respuesta de los organoides cancerosos a la quimioterapia, indicar la viabilidad de cada organoide y clasificar las células persistentes tolerantes a los fármacos (DTP).

Es más, todas estas funciones se proporcionan de forma no invasiva y sin etiquetas.

Más concretamente, para la obtención de imágenes longitudinales de organoides cancerosos, se utilizó el modo de microscopía de coherencia óptica (OCM) para obtener imágenes de organoides de cáncer de mama tras la exposición a la quimioterapia mediante la administración de carboplatino.

Se realizó un seguimiento automático de los organoides individuales y un análisis cuantitativo de los volúmenes medios de los organoides para evaluar su respuesta al carboplatino.

Los organoides tratados con fármacos mostraron una reducción de las tasas de crecimiento, mientras que un pequeño subconjunto mostró patrones de recrecimiento compatibles con las células persistentes tolerantes a los fármacos, lo que pone de relieve la capacidad del sistema para captar comportamientos raros y clínicamente relevantes.

Más allá de la morfología, el estudio también introduce un análisis basado en la radiómica de los datos de OCM para evaluar la viabilidad de los organoides.

Mediante el aprendizaje automático, el enfoque logró un alto rendimiento de clasificación, lo que demuestra el potencial para la monitorización no invasiva y no destructiva de la respuesta al tratamiento a lo largo del tiempo.

Por último, el equipo demostró que OC-PAM puede detectar células raras dentro de esferoides 3D densos mediante la obtención de imágenes de células de melanoma que contienen melanina mezcladas con células de cáncer de mama.

Incluso en concentraciones muy bajas, se pudieron visualizar células raras individuales, lo que subraya la sensibilidad del método.

En general, los resultados establecen OC-PAM como una potente plataforma de imagen para el estudio de organoides y esferoides cancerosos.

Al combinar imágenes de alta resolución con análisis basados en IA, la tecnología abre nuevas posibilidades para investigar la resistencia a los medicamentos, las poblaciones de células raras y la respuesta al tratamiento, con un fuerte impacto potencial en la investigación del cáncer, el desarrollo de medicamentos y la oncología de precisión.

Fuente: Centro de Publicaciones Light, Instituto de Óptica, Mecánica de Precisión y Física de Changchun, CAS