Astronomía, divulgación, descubrimientos, ecología, innovación...
AVANCE CIENTÍFICO
Esta nueva herramienta ha mostrado evaluar con mayor precisión los tejidos de los pacientes y predecir el curso futuro de la enfermedad que los análisis realizados por patólogos expertos.
El uso de inteligencia artificial se ha extendido no solo en campos tecnológicos, también en área de la ciencia como la cartografía, la meteorología o la medicina. Precisamente en esta área, la IA ha mostrado sus beneficios para pacientes oncológicos. Ahora, un nuevo estudio, publicado en Nature Medicine, describe una nueva herramienta de IA que evita a las pacientes con cáncer de mama tratamientos de quimioterapia innecesarios mediante el uso de un método más preciso para predecir sus resultados.
Las evaluaciones de IA de los tejidos de los pacientes resultaron más precisas a la hora de predecir el futuro de la enfermedad de un paciente que las evaluaciones realizadas por patólogos expertos.
Esta IA fue capaz de identificar pacientes con cáncer de mama que actualmente están clasificadas como de riesgo alto o intermedio, pero que se convertirán en supervivientes a largo plazo. Eso significa que se podría reducir la duración o la intensidad de su quimioterapia. Algo fundamental ya que la quimioterapia se asocia con efectos secundarios perjudiciales, como náuseas o, más raramente, daños al corazón.
Actualmente, los patólogos evalúan las células cancerosas en el tejido de un paciente para determinar el tratamiento, pero a la hora de predecir los futuros resultados, los patrones de células no cancerosas son muy importantes, demostró el estudio. De hecho, es el primer análisis científico que utiliza IA para una evaluación integral de los elementos cancerosos y no cancerosos del cáncer de mama invasivo.
"Nuestro estudio demuestra la importancia de los componentes no cancerosos para determinar el resultado de un paciente – señala Lee Cooper, de la Universidad Northwestern y líder del estudio -. La importancia de estos elementos se conocía a partir de estudios biológicos, pero este conocimiento no se ha trasladado de manera efectiva al uso clínico". En España cada año se diagnostican cerca de 35.000 nuevos casos de cáncer de mama. Y el 30% del total de los cánceres en mujeres, se inician en la mama. Durante el diagnóstico, un patólogo revisa el tejido canceroso para determinar qué tan anormal parece el tejido. Este proceso, conocido como clasificación, se centra en la apariencia de las células cancerosas y prácticamente no ha cambiado durante décadas. El grado, determinado por el patólogo, se utiliza para ayudar a determinar qué tratamiento recibirá un paciente.
El equipo de Cooper desarrolló su modelo para evaluar el tejido del cáncer de mama a partir de imágenes digitales que miden la apariencia de células cancerosas y no cancerosas, así como las interacciones entre ellas.
"Estos patrones son difíciles de evaluar para un patólogo, ya que pueden ser difíciles de categorizar de manera confiable para el ojo humano – añade Cooper -. El modelo de IA mide estos patrones y presenta información al patólogo de una manera que le aclara el proceso de toma de decisiones".
En total el sistema analiza 26 propiedades diferentes del tejido mamario de un paciente para generar una puntuación de pronóstico general. El sistema también genera puntuaciones individuales para las células cancerosas, inmunes y estromales para explicar la puntuación general al patólogo. Por ejemplo, en algunos pacientes, una puntuación de pronóstico favorable puede deberse a las propiedades de sus células inmunitarias, mientras que para otros puede deberse a las propiedades de sus células cancerosas. Esta información podría ser utilizada por el equipo de atención del paciente para crear un plan de tratamiento individualizado.
La adopción del nuevo modelo podría proporcionar a los pacientes diagnosticados con cáncer de mama una estimación más precisa del riesgo asociado con su enfermedad, permitiéndoles tomar decisiones informadas sobre su atención clínica.
Además, este modelo puede ayudar a evaluar la respuesta terapéutica, permitiendo intensificar o reducir el tratamiento dependiendo de cómo cambia la apariencia microscópica del tejido con el tiempo. Por ejemplo, la herramienta puede reconocer la eficacia del sistema inmunológico de un paciente para atacar el cáncer durante la quimioterapia, lo que podría usarse para reducir la duración o la intensidad de la quimioterapia.
Para entrenar el modelo de IA, los científicos necesitaron cientos de miles de anotaciones de células y estructuras tisulares generadas por humanos dentro de imágenes digitales de tejidos de pacientes.
"Todo esto mejorará nuestra capacidad para predecir resultados y proporcionará más información sobre la biología del cáncer de mama", concluye Cooper.