MADRID, 12 Ago. (EUROPA PRESS) -
Los investigadores de la Universidad de California Los Ángeles (UCLA) han desarrollado un sistema de inteligencia artificial que podría ayudar a los patólogos a leer biopsias con mayor precisión y a detectar y diagnosticar mejor el cáncer de mama.
El nuevo sistema, descrito en un estudio publicado en 'JAMA Network Open', ayuda a interpretar imágenes médicas utilizadas para diagnosticar el cáncer de mama que pueden ser difíciles de clasificar para el ojo humano, y lo hace de manera tan precisa o mejor que los patólogos experimentados.
"Es fundamental obtener un diagnóstico correcto desde el principio para que podamos guiar a los pacientes a los tratamientos más efectivos", apunta la doctora Joann Elmore, autora principal del estudio y profesora de Medicina en la Escuela de Medicina David Geffen de UCLA.
Un estudio de 2015 dirigido por Elmore encontró que los patólogos a menudo no están de acuerdo con la interpretación de las biopsias de mama, que se realizan en millones de mujeres cada año. Esa investigación reveló que se produjeron errores de diagnóstico en aproximadamente una de cada seis mujeres que tenían carcinoma ductal in situ (un tipo no invasivo de cáncer de mama), y que se dieron diagnósticos incorrectos en aproximadamente la mitad de los casos de biopsia de atipia de mama (células anormales que están asociados con un mayor riesgo de cáncer de mama).
"Las imágenes médicas de biopsias de mama contienen una gran cantidad de datos complejos y su interpretación puede ser muy subjetiva --dice Elmore, quien también es investigadora en el Centro Integral de Cáncer Jonsson de UCLA--. Distinguir la atipia mamaria del carcinoma ductal in situ es clínicamente importante pero muy desafiante para los patólogos. A veces, los médicos ni siquiera están de acuerdo con su diagnóstico anterior cuando se les muestra el mismo caso un año después".
Los científicos razonaron que la inteligencia artificial podría proporcionar lecturas más precisas consistentemente porque al extraer de un gran conjunto de datos, el sistema puede reconocer patrones en las muestras que están asociados con el cáncer pero que son difíciles de ver para los humanos.
El equipo introdujo 240 imágenes de biopsia de mama en una computadora, entrenándola para reconocer patrones asociados con varios tipos de lesiones de mama, que van desde benignas (no cancerosas) y atipias hasta carcinoma ductal in situ, o DCIS, y cáncer de mama invasivo. Por separado, los diagnósticos correctos para cada imagen se determinaron por consenso entre tres patólogos expertos.
Para probar el sistema, los investigadores compararon sus lecturas con diagnósticos independientes realizados por 87 patólogos estadounidenses en ejercicio. Si bien el programa de inteligencia artificial estuvo cerca de desempeñarse tan bien como los médicos humanos para diferenciar los casos de cáncer de los no cancerosos, el programa de IA superó a los médicos al diferenciar el DCIS de la atipia, considerado el mayor desafío en el diagnóstico de cáncer de mama.
El sistema determinó correctamente si los escáneres mostraban DCIS o atipia con más frecuencia que los médicos; tuvo una sensibilidad entre 0,88 y 0,89, mientras que la sensibilidad promedio de los patólogos fue de 0,70. Una puntuación de sensibilidad más alta indica una mayor probabilidad de que el diagnóstico y la clasificación sean correctos.
"Estos resultados son muy alentadores --dice Elmore--. Hay poca precisión entre los patólogos practicantes en los EE. UU. cuando se trata del diagnóstico de atipia y carcinoma ductal in situ, y el enfoque automatizado basado en computadora es muy prometedor".
Los investigadores ahora están trabajando en la capacitación del sistema para diagnosticar el melanoma.
