Histología inteligente sin tinciones en nanocavidades colorimétricas estructurales

Área de la Ciencia:

• Óptica Biomédica
• Ciencia de Materiales
• Patología

Sus antecedentes:

• La tinción con hematoxilina y eosina (H&E) es el estándar en patología, pero es costosa y requiere mucho tiempo.
• Los chips nanópticos ofrecen imagenología sin tinciones, pero están limitados por altos costos de fabricación.
• Existe la necesidad de técnicas de imagenología histológica rentables y sin tinciones.

Objetivo del estudio:

• Desarrollar y evaluar una nueva plataforma de imagenología histológica sin tinciones utilizando nanocavidades planares sobre silicio (NOS).
• Evaluar la eficacia de los portaobjetos NOS en la visualización de la morfología tisular y la ayuda en el diagnóstico del cáncer.
• Demostrar el potencial de NOS para el análisis patológico asistido por IA.

Principales métodos:

• Fabricación de portaobjetos NOS mediante el depósito de una capa de nitruro de silicio sobre obleas de silicio.
• Utilización de la interferencia óptica dentro de los portaobjetos NOS para generar colores estructurales sensibles a las propiedades del tejido.
• Análisis comparativo de imagenología de portaobjetos NOS y teñidos con H&E.
• Entrenamiento de un modelo de aprendizaje profundo con imágenes NOS para la detección de cáncer.

Principales resultados:

• Los portaobjetos NOS proporcionan colores estructurales vibrantes para visualizar características histológicas sin necesidad de tinciones.
• Los resultados de imagenología de los portaobjetos NOS muestran una buena concordancia con la tinción tradicional H&E.
• Un modelo de aprendizaje profundo entrenado con imágenes NOS logró una precisión superior al 95 % en la distinción de tejidos colorrectales cancerosos y sanos.

Conclusiones:

• Los portaobjetos NOS ofrecen una alternativa más rápida, económica, libre de químicos y sin tinciones para la imagenología histológica.
• Esta plataforma simplifica la visualización de tejidos y reduce los costos.
• NOS promete un futuro cribado asistido por IA y diagnósticos patológicos mejorados, particularmente para el cáncer colorrectal.