La inteligencia artificial, la clave para la detección del cáncer de próstata
Los investigadores han conseguido la mayor precisión hasta la fecha en el reconocimiento y caracterización del cáncer con esta herramienta
Los investigadores han conseguido la mayor precisión hasta la fecha en el reconocimiento y caracterización del cáncer de próstata utilizando un programa de inteligencia artificial (IA), según un estudio publicado este lunes en 'The Lancet Digital Health' por investigadores de la aseguradora médica UPMC y la Universidad de Pittsburgh, en Estados Unidos.
"Los humanos son buenos reconociendo anomalías pero tienen sus propios prejuicios o experiencia anteriores que les afectan --señala el autor principal Rajiv Dhir, jefe de Patología y vicepresidente de Patología en UPMC Shadyside y profesor de informática biomédica en Pitt--. Las máquinas están separadas de toda la historia. Definitivamente hay un elemento de estandarización del cuidado".
Para entrenar a la IA para que reconozca el cáncer de próstata, Dhir y sus colegas proporcionaron imágenes de más de un millón de partes de diapositivas de tejido teñidas tomadas de biopsias de pacientes. Cada imagen fue etiquetada por patólogos expertos para enseñar a la IA cómo discriminar entre tejido sano y anormal.
El algoritmo se probó en un conjunto separado de 1.600 diapositivas tomadas de 100 pacientes consecutivos atendidos en UPMC por sospecha de cáncer de próstata.
Durante las pruebas, la IA demostró una sensibilidad del 98% y una especificidad del 97% en la detección del cáncer de próstata, significativamente mayor que lo informado anteriormente para algoritmos que funcionan a partir de portaobjetos de tejido.
Además, este es el primer algoritmo que se extiende más allá de la detección del cáncer, informando un alto rendimiento para la clasificación del tumor, el tamaño y la invasión de los nervios circundantes. Todas estas son características clínicamente importantes requeridas como parte del informe de patología.
La IA también marcó seis diapositivas que no fueron notadas por los patólogos expertos. Pero Dhir explica que esto no necesariamente significa que la máquina sea superior a los humanos. Por ejemplo, en el curso de la evaluación de estos casos, el patólogo podría haber visto suficiente evidencia de malignidad en otras partes de las muestras de ese paciente para recomendar el tratamiento.
Sin embargo, para los patólogos menos experimentados, el algoritmo podría actuar como una prueba de fallo para detectar casos que de otro modo podrían perderse.
"Algoritmos como este son especialmente útiles en lesiones que son atípicas --señala Dhir--. Una persona no especializada puede no ser capaz de hacer la evaluación correcta. Esa es una gran ventaja de este tipo de sistema".
Si bien estos resultados son prometedores, Dhir advierte de que habrá que entrenar nuevos algoritmos para detectar diferentes tipos de cáncer. Los marcadores de patología no son universales en todos los tipos de tejidos. Pero no vio por qué eso no se podía hacer para adaptar esta tecnología para trabajar con el cáncer de mama, por ejemplo.
