Inteligencia artificial logra desempeño casi humano en análisis de imágenes

 

El método fue puesto a prueba en una competición de “desafío” que tuvo lugar en el congreso anual 2016 del Simposio Internacional de Imágenes Biomédicas (ISBI; abril de 2016, Praga, República Checa). “La identificación de la presencia o ausencia de cáncer metastásico en los ganglios linfáticos de un paciente es una tarea de rutina y de importancia crítica para los patólogos”, dijo el líder del equipo, Prof. Andrew Beck, MD, PhD, patólogo del Centro Médico Beth Israel Deaconess (BIDMC; Boston, MA , EUA) y de la Facultad de Medicina de Harvard (HMS; Boston, MA, EUA). “Mirar por el microscopio para buscar a través de millones de células normales para identificar solo unas pocas células malignas puede resultar extremadamente laborioso usando métodos convencionales. Nos pareció que era una tarea que el computador podía hacer bastante bien - y esto resultó correcto”.

 

“Nuestro método de IA se basa en el aprendizaje profundo, un algoritmo de aprendizaje automático utilizado para una variedad de aplicaciones, incluyendo el reconocimiento de voz y el reconocimiento de imágenes”, explicó el profesor Beck. “Este método les enseña a las máquinas a interpretar los patrones complejos y la estructura observados en los datos de la vida real mediante la construcción de múltiples capas de redes neuronales artificiales, en un proceso que se cree que muestra similitudes con el proceso de aprendizaje que se produce en capas de neuronas en la neocorteza del cerebro, la región donde se produce el pensamiento”.

 

En una evaluación objetiva en que se les dieron a los investigadores láminas de células de nódulos linfáticos y se les pidió que determinaran sí o no, contenían cáncer, el método de diagnóstico automatizado del equipo fue exacto, aproximadamente el 92% del tiempo. “Esto casi coincidía con la tasa de éxito de un patólogo humano, cuyos resultados fueron 96% exactos”, dijo Aditya Khosla, del MIT, quien, con el profesor Beck, recientemente formaron una empresa de nueva creación, PathAI, para seguir desarrollando la tecnología de inteligencia artificial para patología.

 

“Lo verdaderamente emocionante fue obtenido cuando combinamos el análisis del patólogo con nuestro método de diagnóstico automatizado computacional; el resultado mejoró hasta un 99,5% de exactitud”, dijo el profesor Beck. “La combinación de estos dos métodos produjo una importante reducción de los errores”.

 

El equipo entrenó al equipo para diferenciar entre las regiones de tumores cancerosos y las regiones normales, con base en una profunda red de convolución de múltiples capas. “En nuestro método, empezamos con cientos de láminas de formación para los que un patólogo ha señalado regiones de cáncer y regiones de células normales”, dijo Dayong Wang, PhD. “Luego extrajimos millones de estos pequeños ejemplos de entrenamiento y utilizamos el aprendizaje profundo para construir un modelo computacional para clasificarlos”. “A continuación, identificamos los ejemplos específicos de entrenamiento para los que el equipo está propenso a cometer errores y re-entrenamos al equipo utilizando un mayor número de los ejemplos de entrenamiento más difíciles. De esta manera, el desempeño del equipo siguió mejorando”.

 

"Sólo recientemente, la digitalización, almacenamiento, procesamiento y los algoritmos, mejorados, han hecho posible conseguir esta misión con eficacia. Nuestros resultados en la competición ISBI mostraron que lo que el equipo está haciendo es realmente inteligente y que la combinación de interpretaciones humanas e informáticas darán lugar a diagnósticos más precisos y clínicamente más valiosos para guiar las decisiones de tratamiento”, dijo el profesor Beck.

 

Jeroen van der Laak, PhD, quien lidera un grupo de investigación de patología digital en el Centro Médico de la Universidad Radboud en Holanda y fue uno de los organizadores de la competencia, dijo: “Cuando empezamos este reto, esperábamos algunos resultados interesantes. El hecho de que los computadores tenían un desempeño casi comparable al de los seres humanos es mucho más de lo que habíamos anticipado. Es una clara indicación de que la IA le va a dar forma a la manera en que tratamos con imágenes histopatológicas en los años venideros”.

 

Enlaces relacionados: