IA autosupervisada mejora precisión diagnóstica del melanoma con un acuerdo patológico bajo

El estudio retrospectivo de Proscia (Filadelfia, Pensilvania, EUA) "Uso de representaciones de imágenes de diapositivas completas del aprendizaje contrastivo autosupervisado para la regresión de concordancia de melanoma" demostró el rendimiento de la IA en 1.412 imágenes de diapositivas completas de biopsias de piel. Cada imagen fue evaluada por tres a cinco dermatólogos patólogos para establecer una tasa de concordancia. La correlación R2 entre las predicciones de la tecnología y las tasas de concordancia de los dermatólogos patólogos fue de 0,51. La investigación de Proscia también indica que la misma IA podría extenderse a otros diagnósticos que demuestren un bajo acuerdo patológico. Esto incluye la estadificación del cáncer de mama, así como la clasificación de Gleason del cáncer de próstata, que se utiliza para evaluar la agresividad de la enfermedad. Ambos a menudo juegan un papel importante en la información de las decisiones de tratamiento.

Además de este estudio, Proscia planea realizar investigaciones adicionales que ilustren los beneficios potenciales de la IA para ayudar a los patólogos a diagnosticar el melanoma, que incluyen:

• Reducir la tasa de diagnóstico erróneo para los casos difíciles. El melanoma a menudo se presenta como imitadores benignos, lo que hace que los patólogos no estén de acuerdo con su diagnóstico el 40 % de las veces. Dado que los casos suelen ser evaluados por un solo patólogo, la IA que predice la concordancia con varios expertos podría ayudar a mejorar la precisión del diagnóstico al servir como un segundo par de ojos.
• Acelerar los tiempos de respuesta para resultados críticos. Anualmente se toman más de 15 millones de biopsias de piel en los EUA, cada una de las cuales puede mostrar uno de los cientos de diagnósticos. La IA que predice la concordancia en el diagnóstico podría señalar los casos que probablemente sean desafiantes, impulsando ganancias de eficiencia al sugerir pruebas adicionales para brindar una visión más completa antes de la revisión del patólogo.
• Reducir los costes y la angustia de los pacientes. El sobrediagnóstico frecuente de melanoma no solo genera costos adicionales para los sistemas de salud, sino que también hace que los pacientes paguen por tratamientos innecesarios y enfrenten el estrés de creer que tienen una enfermedad potencialmente mortal. Una mayor precisión diagnóstica podría ayudar a eliminar estas cargas.

"Con este estudio, hemos sentado las bases para un nuevo caso de uso de la IA en patología que podría tener un tremendo impacto en los resultados de los pacientes", dijo Sean Grullon, científico principal de IA de Proscia y autor principal del estudio. “Nuestra tecnología se basa en el aprendizaje autosupervisado para reconocer patrones increíblemente sutiles, lo que demuestra el poder de uno de los enfoques más avanzados en IA”.

Enlaces relacionados:
Proscia