BuscandoRespuestas

EnfermedadesSalud

Inteligencia Artificial para el diagnóstico del cáncer

  • Entre el uno y el dos por ciento de los canceres que se diagnostican cada año no tienen un origen determinado
  • Basado en el Deep Learning, investigadores del Brigham and Women's Hospital de Boston desarrollan un algoritmo capaz de identificar el origen del 96% de los tumores analizados
  • Esta tecnología podrá ayudar a solventar el problema de diagnóstico en zonas con menos recursos económicos.

15 mayo, 2021


Sergio F. Núñez

La evolución tecnológica y científica mejora las condiciones de vida de millones de personas en todo el mundo, pero siguen existiendo agujeros negros.

Uno de ellos es el hecho de que la medicina no es capaz de determinar el origen del dos por ciento de los cánceres que se diagnostican cada año, lo que provoca un futuro realmente negativo en esos pacientes: la supervivencia de ese tipo de casos no supera los 16 meses.

En este tipo de canceres, para obtener un diagnóstico que ayude en su tratamiento, sí que es posible realizar pruebas complementarias que ayuden a determinar el origen mejorando el pronóstico, pero existe un problema, recurrente, que divide al mundo: el dinero.

¡SÚMATE A NUESTRA COMUNIDAD!

Podrás escuchar nuestros podcast, recibir un boletín semanal con las novedades, escribir comentarios, enviar preguntas…

Esa indefensión, lógicamente, afecta de manera extraordinaria a lugares y colectivos con pocos recursos que no tiene acceso a ese extra.

Para acabar con esa diferenciación y en busca de diagnósticos con mejor pronóstico, el equipo de investigadores del Laboratorio Mahmood en el Brigham and Women’s Hospital de Boston, en Massachussets (Estados Unidos), han desarrollado un sistema basado en la Inteligencia Artificial que utiliza diapositivas de histología adquiridas de forma rutinaria para encontrar con precisión el origen de las metástasis.

La evolución tecnológica al servicio de la salud. Un ejemplo más.

Te puede interesar: Qué tipos de cáncer se diagnosticarán más en 2021

El algoritmo que mejora el diagnóstico de los CUP

Es en los canceres de origen primario desconocido, los conocidos como CUP, en los que se ha centrado la investigación liderada por Faisal Mahmood, PhD, miembro de la División de Patología Computacional en el Brigham y profesor asistente en la Escuela de Medicina de Harvard.

Su difícil diagnóstico ha provocado este análisis que ha dado como resultado la alternativa de uso de un algoritmo basado en el Deep Learning, o aprendizaje profundo.

El conocido como TOAD, Evaluación del Origen del Tumor a través del Aprendizaje Profundo por sus siglas en inglés, es capaz de identificar el tumor primario y el lugar en el que se origina.
Para llegar a este punto los investigadores han entrenado a la Inteligencia Artificial con un modelo de imágenes completas de tumores en más de 22.000 casos de cáncer.

Una rutina que ha logrado que el TOAD, en algo más de 6.500 casos con tumores primarios conocidos, haya sido capaz de acertar el diagnóstico en el 83 por ciento de las veces, elevando su acierto hasta el 96% de los casos teniendo en cuenta sus tres principales predicciones.

Este fue el entrenamiento previo para la detección de CUP. En ese caso, los datos de la investigación arrojan un acierto del 100% de coincidencia entre el diagnóstico de la Inteligencia Artificial y el dado por los estudios clínicos complementarios que se hicieron para encontrar una respuesta.

Una conclusión clave ya que la difusión de esta tecnología no lleva aparejados los mismos costes que los estudios complementarios que debieron llevarse a cabo en esos 317 casos analizados.

«Las principales predicciones del modelo pueden acelerar el diagnóstico y el tratamiento posterior al reducir la cantidad de pruebas auxiliares que deben solicitarse, reducir el muestreo de tejido adicional y el tiempo total requerido para diagnosticar a los pacientes, que puede ser largo y estresante», puntualiza el investigador principal, Faisal Mahmood.

Un gran primer paso para mejorar las posibilidades de diagnóstico de esos canceres de origen desconocido. Deben seguir entrenando al algoritmo e incluso participar en ensayos clínicos para lograr que el aprendizaje sea cada vez mayor.

Así funciona el Deep Learning. Una técnica que se basa en el aprendizaje automático a través de la observación, con imágenes en este caso, para ejecutar tareas de un modo sencillo e ir mejorando hasta alcanzar la perfección a través del entrenamiento.

Es decir, en el caso de la Inteligencia Artificial de Mahmood, cuantas más imágenes de CUP analice, mayor será su porcentaje de acierto. Eso sí, no existe un número a partir del cuál una IA será “perfecta”. Esta situación varía en cada caso, pero según los datos, están en el camino correcto.

Te puede interesar: ¿Conoces los peligros del «tabaco de tercera mano»?

El valor de la histología

Para el diagnóstico de estos cánceres en los que es muy complicado determinar su origen, en el sistema de Mahmood, la histología juega un papel fundamental.

«Casi todos los pacientes que tienen un diagnóstico de cáncer tienen un portaobjetos de histología. Este ha sido el estándar de diagnóstico durante más de cien años»!, reconoce Faisal Mahmood.

La histología entendida como la rama de la biología que estudia la composición, la estructura y las características de los tejidos orgánicos de los seres vivos y que da una información muy valiosa.

«Nuestro trabajo proporciona una forma de aprovechar los datos adquiridos y el poder de la inteligencia artificial para mejorar el diagnóstico de estos casos complicados que, por lo general, requieren extensos estudios de diagnóstico», insiste Mahmood.

Los datos, la información, la historia… todo ello tiene un valor fundamental si se sabe utilizar de manera correcta. Si se le sabe dar un contexto para su análisis.

En el caso de los canceres de origen primario desconocido se demuestra cómo el correcto tratamiento de los datos puede ayudar a salvar miles de vidas.

Noticias relacionadas