La visión por ordenador avanza en la detección y el tratamiento del cáncer

La visión por ordenador es una rama de la inteligencia artificial que permite a los algoritmos comprender e interpretar datos visuales de imágenes y vídeos. En la investigación oncológica, se utiliza cada vez más para analizar información visual compleja procedente de preparaciones patológicas, muestras microscópicas y exploraciones médicas. Estas herramientas pueden agilizar largos flujos de trabajo, lo que permite a los equipos con menos recursos alcanzar sus objetivos y, en última instancia, mejorar la atención al paciente.

Avanzar en la comprensión de los impulsores tumorales

Tras un diagnóstico de cáncer basado en biopsia, los patólogos suelen realizar secuenciación de ARN para descubrir las alteraciones genómicas que impulsan el crecimiento del tumor. Este conocimiento es crucial tanto para la investigación como para la adaptación de terapias personalizadas. Sin embargo, el elevado coste y la lentitud de los métodos actuales impulsan la búsqueda de alternativas más eficaces.

Para solucionar este problema, un equipo de investigadores ha desarrollado una herramienta de IA que predice la actividad genética de las células tumorales directamente a partir de imágenes de microscopía de biopsias estándar. Entrenaron su modelo con un amplio conjunto de datos de más de 7.500 muestras de 16 tipos de cáncer, complementadas con imágenes de células sanas para su comparación.

El equipo diseñó la herramienta para que fuera clara y práctica. Genera un mapa visual de la biopsia en el que se destacan los patrones de actividad génica previstos. Esto permite a los investigadores localizar variaciones espaciales dentro del tumor. Utilizando una técnica común de tinción celular, la IA identificó con éxito los patrones de expresión de más de 15.000 genes a partir de las imágenes teñidas.

Los resultados mostraron una correlación superior al 80% entre las predicciones de actividad genética de la IA y las mediciones reales. La precisión del modelo mejoró en general cuando se entrenó con conjuntos de datos más amplios específicos de un determinado tipo de cáncer.

Otros experimentos demostraron el potencial del algoritmo para evaluar las puntuaciones de riesgo genómico en pacientes con cáncer de mama. Las pacientes identificadas como de mayor riesgo presentaban recidivas más frecuentes y tempranas.

La IA sigue permitiendo avances médicos notables, como los sistemas que detectan el COVID-19 con una precisión de hasta el 99%. Aunque estas herramientas son potentes, deben aumentar, no sustituir, la experiencia profesional. Confiar únicamente en la IA podría comprometer los resultados de los pacientes.

Determinar los tratamientos óptimos

Los pacientes con cáncer suelen sufrir un estrés considerable y efectos secundarios derivados de tratamientos que pueden no ser óptimos para su enfermedad. Aunque se toleran efectos secundarios como las náuseas, la disposición de los pacientes a continuar disminuye si los primeros resultados no son prometedores.

Identificar más rápidamente los mejores tratamientos personalizados beneficia a todos. La planificación estándar de los cuidados implica el análisis de tomografías computarizadas y resonancias magnéticas, en las que cada píxel contiene un único punto de datos mostrado en escala de grises. La IA ofrece una visión más detallada. Una herramienta avanzada puede analizar hasta 30.000 características por píxel y evaluar muestras de tejido de hasta 400 micrómetros cuadrados, aproximadamente la anchura de cinco cabellos humanos.

Utilizando muestras donadas, la herramienta demostró su valor. En el cáncer de vejiga, identificó un grupo celular especializado responsable de la formación de estructuras linfoides terciarias, asociadas a una mejor respuesta a la inmunoterapia. En muestras de cáncer gástrico, distinguió con precisión entre células cancerosas y tejido mucoso sano, lo que ayudó a los médicos a evaluar mejor la propagación del cáncer.

Los investigadores creen que esta tecnología puede orientar a los oncólogos hacia los tratamientos más eficaces para los distintos tipos de cáncer. También tiene el potencial de acelerar la investigación extrayendo datos más ricos de las imágenes de diagnóstico estándar.

Acelerar el desarrollo de fármacos

La comercialización de nuevos fármacos contra el cáncer es un proceso que dura años y depende en gran medida del éxito de los ensayos clínicos. Un equipo londinense acaba de crear un método de IA para evaluar la eficacia con que los fármacos alcanzan sus objetivos celulares. Centrarse en los candidatos más prometedores podría mejorar los resultados y acelerar la aprobación reglamentaria.

El equipo utilizó el aprendizaje profundo geométrico para analizar las formas 3D de casi 100.000 imágenes de células de melanoma. A diferencia de los análisis previos en 2D de células en portaobjetos, este método estudia las células en un estado más realista. Capta cómo los tratamientos alteran las formas celulares y revela la variabilidad entre las poblaciones celulares.

La herramienta alcanzó una precisión superior al 99% en la detección de los efectos de fármacos específicos. Incluso pudo identificar cambios de forma causados por fármacos dirigidos a distintas proteínas.

Al revelar los cambios bioquímicos, la IA puede destacar objetivos prometedores para nuevos fármacos contra el cáncer. Esta innovación podría reducir la fase de pruebas preclínicas de tres años a tres meses y acortar los ensayos clínicos hasta en seis años. Ayudaría a identificar a los pacientes con más probabilidades de beneficiarse y a comprender más rápidamente los efectos secundarios.

Simplificar los flujos de trabajo del análisis del cáncer

Aunque la IA ha mejorado muchos aspectos de la investigación oncológica, la mayoría de las herramientas se centran en tareas únicas. Esto obliga a los profesionales médicos a aprender varios sistemas. Para mejorar la usabilidad, algunos equipos están desarrollando soluciones integrales y polivalentes.

Un grupo ha creado un modelo similar a ChatGPT lo bastante versátil como para realizar tareas de evaluación de 19 tipos de cáncer. Acelera los procesos de detección, evaluación del pronóstico y seguimiento de la respuesta al tratamiento. Sus creadores afirman que es el primer modelo que logra predecir y validar resultados en diversos grupos internacionales de pacientes.

La IA analiza diapositivas digitales de muestras tumorales, examina perfiles moleculares e identifica células cancerosas. También evalúa el tejido que rodea a los tumores, lo que puede indicar la eficacia del tratamiento. En las pruebas, demostró ser más precisa que las herramientas existentes. Además, fue el primero en relacionar características tumorales específicas con la mejora de las tasas de supervivencia de los pacientes, lo que podría abrir nuevas vías de investigación.

El modelo se entrenó inicialmente con 15 millones de imágenes sin etiquetar, segmentadas por áreas de interés. A continuación, se perfeccionó con 60.000 imágenes de diapositivas completas de los 19 tipos de cáncer, con lo que aprendió a realizar análisis exhaustivos de imágenes.

La herramienta se probó rigurosamente con 19.400 imágenes de diapositivas completas de 32 conjuntos de datos globales independientes, que representaban a 24 cohortes de pacientes y hospitales. Esto garantiza su solidez en entornos clínicos reales.

Maximización de la información procedente de las imágenes biomédicas

La microscopía biomédica es vital para la investigación del cáncer, pero analizar estas imágenes puede llevar días. Un equipo ha desarrollado una novedosa técnica de visión por ordenador para agilizar este proceso. Emplea el aprendizaje automático para analizar muestras y descubrir características comunes a todos los tumores cancerosos.

Esta herramienta logra su eficacia examinando simultáneamente varias regiones de un tumor y sintetizándolas en un análisis cohesivo. Otros métodos dividen las imágenes de tumores grandes en pequeños fragmentos y los analizan por separado. Dado que estas imágenes pueden contener hasta mil millones de píxeles, el método estándar requiere mucho tiempo.

Los desarrolladores imaginan un futuro en el que los médicos puedan obtener diagnósticos casi instantáneos a partir de imágenes tumorales. Esta información podría transmitirse en tiempo real a los cirujanos durante las operaciones, lo que permitiría tomar decisiones basadas en los datos más recientes.

En comparación con las principales técnicas de referencia, esta nueva herramienta obtuvo unos resultados casi un 4% mejores, con una precisión cercana al 88% en algunas pruebas. Los investigadores destacaron su amplia aplicabilidad, ya que puede utilizarse con cualquier tipo de tumor y método de microscopía.

Impulsar la investigación del cáncer con visión por ordenador

La visión por ordenador potenciada por IA tiene un potencial significativo para elevar el impacto de la investigación del cáncer, mejorando tanto los descubrimientos científicos como los resultados en los pacientes. Los ejemplos anteriores ilustran sus diversas aplicaciones. Los profesionales deben integrar estas tecnologías para complementar y ampliar los conocimientos que tanto les ha costado adquirir, no como sustitutos infalibles del criterio humano.