Inicio / Principales / Computadora entrenada por científicos permite clasificar tumores de cáncer de mama con gran precisión

Computadora entrenada por científicos permite clasificar tumores de cáncer de mama con gran precisión

Investigadores del Centro Integral del Cáncer Lineberger de la Universidad de Carolina del Norte (UNC), en Estados Unidos, quienes aprovecharon una tecnología similar a la que potencia el reconocimiento facial y del habla en un teléfono inteligente, han entrenado una computadora para que analice imágenes de cáncer de mama y luego clasifique los tumores con gran precisión.

En un estudio publicado en la revista NPJ Breast Cancer, los científicos reportaron haber utilizado una forma de inteligencia artificial llamada aprendizaje automático o aprendizaje profundo para enseñarle a una computadora a identificar ciertas características de los tumores de cáncer de mama a partir de imágenes. La computadora también identificó el tipo de tumor basándose en características moleculares y genómicas complejas, que un patólogo todavía es incapaz de identificar con tan solo una imagen. Los expertos creen que este enfoque, aunque todavía se encuentra en sus primeras etapas, podría llevar a un ahorro de costos para la clínica y para la investigación en cáncer de mama.

“Tu teléfono inteligente puede interpretar tu discurso y encontrar e identificar rostros en una foto“, Heather D. Couture, asistente de investigación en el Departamento de Ciencias de la Computación de la UNC y primera autora del estudio. “Estamos utilizando una tecnología similar donde capturamos propiedades abstractas en imágenes, pero la estamos aplicando a un problema totalmente distinto“.

Para el trabajo, los investigadores utilizaron un conjunto de 571 imágenes de tumores de cáncer de mama del Carolina Breast Cancer Study, a fin de capacitar a la computadora para clasificar los tumores por grado, estado de receptor de estrógeno, subtipo intrínseco PAM50, subtipo histológico y puntaje de riesgo de recurrencia. Para ello, crearon un software que aprendió a predecir las etiquetas de las imágenes con un conjunto de entrenamiento, de modo que las nuevas imágenes se pudieran procesar de la misma forma.

Después, utilizaron un conjunto diferente de 288 imágenes para probar la capacidad de la computadora y de esa manera distinguir características del tumor por sí mismas, comparando las respuestas de la computadora con los hallazgos de un patólogo para el grado y subtipo de cada tumor, así como para separar las pruebas para los subtipos de expresión génica. Con ello, descubrieron que la computadora podía distinguir los tumores de grado intermedio-bajo y alto grado en el 82 por ciento de las veces. Cuando los dos patólogos revisaron el grado del tumor para el grupo de grado intermedio-bajo, los patólogos coincidieron entre sí en aproximadamente el 89 por ciento de las veces, lo que fue solo un poco más alto que la precisión de la computadora.

Además, la computadora identificó el estado del receptor de estrógeno, distinguió entre tumores ductales y lobulares, y determinó si cada caso tenía un riesgo alto o bajo de recurrencia con altos niveles de precisión. También identificó uno de los subtipos moleculares de los cánceres de mama, el subtipo basal, que se basa en la forma en que se expresaron los genes dentro del tumor, con 77 por ciento de precisión.

“Usando inteligencia artificial o aprendizaje automático, pudimos hacer varias cosas que los patólogos pueden hacer con una precisión similar, pero también pudimos hacer una o dos cosas que los patólogos no pueden hacer hoy“, aseguró el doctor Charles M. Perou, investigador del Centro de Cáncer Lineberger, profesor distinguido de oncología molecular, y profesor de genética, patología y medicina de laboratorio en la Escuela de Medicina de la UNC. “Esto tiene un largo camino por recorrer en términos de validación, pero creo que la precisión solo mejorará a medida que adquiramos más imágenes para entrenar a la computadora“.

La capacidad de la computadora para identificar el subtipo basal fue emocionante para los investigadores y podría tener aplicaciones en la investigación del cáncer. También creen que la tecnología podría tener aplicaciones en comunidades que no cuentan con recursos de patología, además de ayudar a validar los hallazgos de los patólogos.

“Nos sorprendió que la computadora pudiera obtener una precisión bastante alta al estimar el riesgo de biomarcadores solo con mirar las imágenes“, dijo la doctora Melissa Troester, de la Escuela de Salud Pública Global de la UNC. “Gastamos miles de dólares en la medición de esos biomarcadores con herramientas moleculares, y este nuevo método puede tomar la imagen y obtener una precisión del 80 por ciento, o mejor, para estimar el fenotipo o subtipo del tumor. Eso fue bastante sorprendente“.

Couture destacó que la tecnología de aprendizaje profundo se ha utilizado en una variedad de aplicaciones, incluyendo reconocimiento de voz y vehículos autónomos.

“Los humanos pueden ver uno o dos ejemplos de algo y ser capaces de generalizar cuando ven otros objetos“, comentó Couture. “Por ejemplo, las sillas vienen en muchas formas diferentes, pero podemos reconocerlas como algo en lo que nos sentamos. A las computadoras les resulta mucho más difícil generalizar a partir de pequeñas cantidades de datos. Pero, por otro lado, si tú le proporcionas suficientes datos de etiquetado, puede aprender conceptos que son mucho más complejos de lo que los humanos pueden evaluar visualmente, como identificar el subtipo basal a partir de una sola imagen“.

El aspecto único de su trabajo, dijeron los investigadores, fue que lograron usar la tecnología para observar las características de los tumores que los humanos no pueden. Quieren averiguar qué está viendo la computadora, así como estudiar si la tecnología podría predecir los resultados.

“La computadora extrajo mucha información de las imágenes“, enfatizó Troester. “Nos gustaría probar qué tan bien estas características predicen los resultados y si podemos usarlas junto con cosas como datos moleculares, para mejorar aún más cuando les demos a los pacientes una visión precisa de cómo es el curso de su enfermedad y qué tratamientos podrían ser efectivos“.

 

Vía: UNC Lineberger Comprehensive Cancer Center

Revisar tambien

“Si no consigo lo que quiero, cerraré el gobierno”, amenaza Trump

“Estoy orgulloso de cerrar el Gobierno debido a la seguridad fronteriza”, afirma Trump frente líderesdemócratas ...