NEUROLOGíA Clasificación de neuronas y neuroglias a través de inteligencia artificial Danna Valeria Medina¹, Mario Alberto Ríos¹, Isabella Cardona Betancourt², Víctor Manuel Correa², Mateo Morales², Mariana Téllez², Santiago Ángel², Jorge Hernando Rivera³, Michell Guevara³ y Daniela Botero⁴ ¹ Estudiante de Medicina, Semillero de Investigación: Inmunología e Infectología (SINI), Facultad de Ciencias de la Salud, Universidad Tecnológica de Pereira, Colombia ² Estudiante de Ingeniería de Sistemas, Semillero de Investigación: Neuroinformática e Inteligencia Artificial (SNEIA), Facultad de Ingenierías, Universidad Tecnológica de Pereira, Colombia ³ Profesor de Ingeniería Física, Facultad de Ingenierías, Universidad Tecnológica de Pereira, Colombia. ⁴ Profesor asistente, Grupo de Investigación:

Infección e Inmunidad, Departamento de Ciencias Básicas Medicina, Facultad de Ciencias de la Salud, Universidad Tecnológica de Pereira, Colombia. Contacto: dbotero@utp.edu.co Referencias Introducción Objetivo Métodos Conclusión Resultados El análisis manual de microfotografías es un proceso laborioso, lento y propenso al error humano en grandes volúmenes de datos; incluso para los más experimentados. La clasificación precisa y eficiente de células es clave para el avance en investigaciones médicas.

Con el propósito de optimizar el análisis histológico en neurociencia, este proyecto de investigación en curso entre dos semilleros de investigación está orientado al desarrollo de un sistema automatizado para la segmentación y clasificación de neuronas y neuroglias Desarrollar un sistema integrado basado en “Segment Anything Model” para la segmentación automatizada de neuronas y neuroglias en microfotografías; combinado con redes neuronales convolucionales de arquitectura U-net entrenadas en datos histológicos Esta investigación representa un avance en la automatización del análisis microscópico y establece una base metodológica para investigaciones en neurociencias.

Además, integra a dos semilleros de investigación de dos facultades diferentes, para unir experiencia y crear proyectos con impacto global. 10.1007/978-3-319-24574-4_28 10.3389/fnins.2020.00179/full Archit A, Freckmann L, Nair S, Khalid N, Hilt P, Rajashekar V, et al. Segment anything for microscopy. Nat Methods [Internet]. marzo de 2025 [citado 15 de enero de 2026];22(3):579-91. Disponible en: https://www.nature.com/articles/s41592-024-02580-4 Ma J, He Y, Li F, Han L, You C, Wang B. Segment anything in medical images. Nat Commun [Internet].

22 de enero de 2024 [citado 15 de enero de 2026];15(1):654. Disponible en:

https://www.nature.com/articles/s41467-024-44824-z Abarca la captura de microfotografías de tejido nervioso cerebral, seguido del preprocesamiento de imágenes. "Segment Anything Model” genera máscaras de segmentación y

CNN

U-Net se entrena para clasificar segmentos Los resultados parciales muestran que el modelo “Segment Anything” segmenta eficazmente estructuras cerebrales.

Lo cual representa un avance en la automatización del análisis microscópico y establece una base metodológica para investigaciones en neurociencias. A su vez, promete ser un modelo adaptable a otras investigaciones biomédicas Fig. 1: (A) Microfotografía con cuadros delimitadores, (B) Segment Anything Model (C) Microfotografía con máscaras, (D) Clasificación manual de células para la base de datos Fig. 2: Resultados preliminares en dos microfotografías con segmentación de neuronas y neuroglias