2024-06-19 12:13:00
Un sistema informático que aproveche el poder de la IA para aprender el “lenguaje del cáncer” podría ayudar a proporcionar un diagnóstico más rápido, dijeron sus desarrolladores.
Los investigadores dijeron que el sistema es capaz de detectar los signos de la enfermedad en muestras biológicas con una precisión notable y también puede proporcionar predicciones confiables de los resultados de los pacientes.
Actualmente, los patólogos examinan y caracterizan las características de muestras de tejido tomadas de pacientes con cáncer en portaobjetos bajo un microscopio.
Sus observaciones sobre el tipo de tumor y la etapa de crecimiento ayudan a los médicos a determinar el curso de tratamiento de cada paciente y sus posibilidades de recuperación.
La información proporcionada por la experiencia humana y el análisis de IA trabajando juntos podría proporcionar diagnósticos de cáncer y evaluaciones de los posibles resultados de los pacientes más rápidos y precisos.
Un equipo internacional de especialistas en inteligencia artificial y científicos del cáncer, dirigido por investigadores de la Universidad de Glasgow y la Universidad de Nueva York, ha desarrollado un nuevo sistema, al que llaman aprendizaje de fenotipo histomorfológico (HPL).
Comenzaron recopilando miles de imágenes de alta resolución de muestras de tejido de adenocarcinoma de pulmón tomadas de 452 pacientes almacenadas en la base de datos Atlas del Genoma del Cáncer del Instituto Nacional del Cáncer de los Estados Unidos.
En muchos casos, los datos van acompañados de información adicional sobre cómo progresaron los cánceres de los pacientes.
A continuación, desarrollaron un algoritmo que utilizó un proceso de entrenamiento llamado aprendizaje profundo autosupervisado para analizar las imágenes y detectar patrones basándose únicamente en los datos visuales de cada diapositiva.
El algoritmo dividió las imágenes de las diapositivas en miles de pequeños mosaicos, cada uno de los cuales representa una pequeña cantidad de tejido humano.
Una red neuronal profunda escudriñó los mosaicos y, en el proceso, se enseñó a sí misma a reconocer y clasificar cualquier característica visual compartida entre cualquiera de las células de cada muestra de tejido.
El Dr. Ke Yuan, de la Facultad de Ciencias de la Computación de la Universidad de Glasgow, quien supervisó la investigación y es el autor principal del artículo, dijo que el algoritmo aprendió a detectar elementos visuales recurrentes en los mosaicos que corresponden a texturas, propiedades celulares y arquitecturas de tejidos llamados fenotipos.
Dijo: «Al comparar esos elementos visuales en toda la serie de imágenes que examinó, reconoció fenotipos que a menudo aparecían juntos, seleccionando de forma independiente los patrones arquitectónicos que los patólogos humanos ya habían identificado en las muestras».
Cuando el equipo añadió el análisis de portaobjetos de cáncer de pulmón de células escamosas al sistema HPL, fue capaz de distinguir correctamente entre sus características con una precisión del 99%.
Una vez que el algoritmo identificó patrones en las muestras, los investigadores lo utilizaron para analizar los vínculos entre los fenotipos que había clasificado y los resultados clínicos almacenados en la base de datos, incluido cuánto tiempo vivieron los pacientes después de someterse a una cirugía contra el cáncer.
Los patólogos humanos encargados de la misma predicción sacaron las conclusiones correctas con un 64% de precisión.
Cuando la investigación se amplió para incluir el análisis de miles de diapositivas de otros 10 tipos de cáncer, los resultados fueron igualmente precisos.
El profesor John Le Quesne, de la Facultad de Ciencias del Cáncer de la Universidad de Glasgow, es uno de los coautores principales del artículo y supervisó la investigación.
Dijo: “Se necesitan muchos años para capacitar a los patólogos humanos para que identifiquen los subtipos de cáncer que examinan bajo el microscopio y saquen conclusiones sobre los resultados más probables para los pacientes.
“Es un trabajo difícil y que requiere mucho tiempo, e incluso los expertos altamente capacitados a veces pueden sacar conclusiones diferentes de la misma diapositiva.
“En cierto sentido, el algoritmo en el corazón del sistema HPL aprendió por sí solo desde los primeros principios a hablar el lenguaje del cáncer: a reconocer los patrones extremadamente complejos en las diapositivas y leer lo que pueden decirnos sobre el tipo de cáncer y su efecto potencial sobre la salud de los pacientes a largo plazo.
“A diferencia de un patólogo humano, no comprende lo que está mirando, pero aun así puede sacar conclusiones sorprendentemente precisas basadas en análisis matemáticos.
“Podría resultar una herramienta invaluable para ayudar a los patólogos en el futuro, aumentando sus habilidades existentes con una segunda opinión totalmente imparcial.
“La información proporcionada por la experiencia humana y el análisis de la IA trabajando juntos podría proporcionar diagnósticos de cáncer y evaluaciones de los posibles resultados de los pacientes más rápidos y precisos.
«Eso, a su vez, podría ayudar a mejorar el seguimiento y una atención mejor personalizada en el tratamiento de cada paciente».
La investigación se publica en la revista Nature Communications.
Investigadores del University College de Londres y del Instituto Karolinska de Suecia también contribuyeron al artículo.
#sistema #inteligencia #artificial #aprende #lenguaje #del #cáncer #para #permitir #mejor #diagnóstico