Investigadores del Karolinska Institutet en Suecia han desarrollado una herramienta basada en IA que mejora el diagnóstico de tumores de cáncer de mama y la capacidad de predecir el riesgo de recurrencia.
Mayor precisión diagnóstica
La mayor precisión diagnóstica puede conducir a un tratamiento más personalizado para el gran grupo de pacientes con cáncer de mama con tumores de riesgo intermedio.
Los resultados se publicaron en la revista científica Annals of Oncology.
Cada año, alrededor de 2 millones de mujeres en todo el mundo desarrollan cáncer de mama.
En el procedimiento de diagnóstico, un patólogo analiza y clasifica las muestras de tejido del tumor y las clasifica por riesgo como bajo (grado 1), medio (grado 2) o alto (grado 3).
Esto ayuda al médico a determinar el tratamiento más adecuado para el paciente
“Aproximadamente la mitad de los pacientes con cáncer de mama tienen un tumor de grado 2, que desafortunadamente no brinda una guía clara sobre cómo se debe tratar al paciente”, dice el primer autor del estudio, Yinxi Wang, estudiante de doctorado en el Departamento de Epidemiología Médica y Bioestadística del Instituto Karolinska. “En consecuencia, algunos de los pacientes reciben un tratamiento excesivo con quimioterapia, mientras que otros corren el riesgo de recibir un tratamiento insuficiente. Es este problema el que hemos tratado de resolver”.
Uso limitado de los diagnósticos moleculares
Los hospitales han comenzado recientemente a hacer un uso limitado de los diagnósticos moleculares para mejorar la precisión de la evaluación del riesgo de cáncer de mama. Pero estos métodos a menudo son costosos y requieren mucho tiempo.
Los investigadores del Karolinska Institutet ahora han desarrollado y evaluado un método basado en IA ( inteligencia artificial ) para el análisis de tejidos.
El estudio muestra que el método basado en IA puede dividir aún más a los pacientes con tumores de grado 2 en dos subgrupos. Uno de alto riesgo y otro de bajo riesgo, que se distinguen claramente en términos de riesgo de recurrencia.
“Una gran ventaja del método es que es rentable y rápido, ya que se basa en imágenes de microscopio de muestras de tejido teñidas, que ya es parte del procedimiento hospitalario”. Dice el coautor final Johan Hartman, profesor de patología en el Departamento de Oncología-Patología, Karolinska Institutet, y patólogo del Hospital Universitario Karolinska. “Nos permite ofrecer este tipo de diagnóstico a más personas y mejora nuestra capacidad para brindar el tratamiento adecuado a cualquier paciente”.
El método aún no está listo para su aplicación clínica
El modelo de IA ha sido entrenado para reconocer características de imágenes microscópicas de alta resolución de pacientes clasificados con tumores de grado 1 y grado 3.
El estudio se basa en un extenso banco de imágenes microscópicas de 2.800 tumores.
“Es fantástico que el aprendizaje profundo pueda ayudarnos a desarrollar modelos que no solo reproducen lo que hacen los médicos especialistas en la actualidad. Sino que también nos permiten extraer información más allá del alcance del ojo humano”. Dice el coautor final Mattias Rantalainen, profesor asociado y líder del grupo de investigación en el Departamento de Epidemiología Médica y Bioestadística del Instituto Karolinska.
El método aún no está listo para su aplicación clínica. Pero una empresa recién creada, Stratipath AB, está desarrollando un producto aprobado por las autoridades, que cuenta con el apoyo de KI Innovations. Los investigadores ahora evaluarán más el método con el objetivo de tener un producto en el mercado para 2022.
Notas relacionadas:
¡UNO MÁS! Infección por COVID-19 aumenta el riesgo de preeclampsia
4 grupos con mayor riesgo de COVID prolongado, según estudios
Investigadores mexicanos descubren comportamiento de gotas COVID-19
