Plataforma de patología digital basada en IA mejora el diagnóstico de cáncer de pulmón

El cáncer de pulmón se encuentra entre los cánceres más frecuentes y letales en todo el mundo. Las estrategias de tratamiento actuales para los pacientes con cáncer de pulmón se basan en exámenes patológicos, que pueden revelar mutaciones genéticas específicas del cáncer del paciente, lo que facilita enfoques de tratamiento personalizados. En los últimos años, la patología ha evolucionado drásticamente debido a los avances digitales, haciendo que los microscopios tradicionales queden obsoletos. Las muestras de tejido ahora se digitalizan y se analizan a través de pantallas de computadora, lo que es esencial para emplear sofisticados métodos analíticos basados en inteligencia artificial (IA). Estas tecnologías de IA pueden extraer información adicional de secciones de tejido patológico que antes eran inalcanzables.

Un equipo de investigadores de la Universidad de Colonia (Colonia, Alemania) ha desarrollado una plataforma de patología digital impulsada por IA que puede revolucionar el análisis de tejidos de cáncer de pulmón. Esta plataforma utiliza algoritmos recientemente desarrollados para realizar un examen completamente automatizado de secciones digitalizadas de tejido de cáncer de pulmón, ofreciendo análisis más rápidos y precisos que los métodos tradicionales. Detallada en su publicación en la revista Cell Reports Medicine, la plataforma se basa en el conjunto de datos más extenso y de alta calidad disponible, lo que le permite procesar imágenes de portaobjetos completos (WSI) teñidas con H&E de muestras de resección y biopsia de pacientes con cáncer de pulmón de células no pequeñas (CPCNP). Puede segmentar con precisión todas las clases relevantes de tejido tumoral y benigno a nivel de píxel.

El núcleo de esta plataforma es un algoritmo de segmentación de tejidos de múltiples clases de vanguardia, que marca un avance significativo en la precisión y exactitud de la patología del cáncer de pulmón. Este desarrollo se encuentra entre un pequeño número de estudios publicados que se centran en la detección y clasificación de tejidos en portaobjetos completos de pacientes con cáncer de pulmón. Además, el equipo de investigación ha identificado cuatro parámetros de pronóstico que han demostrado ser eficaces para estratificar a los pacientes con CPCNP de manera pronóstica, lo cual podría ser crucial para determinar la elegibilidad de los pacientes para la terapia adyuvante después de la cirugía. Para respaldar la investigación académica en curso y mejorar el desarrollo y la evaluación comparativa de algoritmos, el equipo ha puesto a disposición del público cuatro de sus conjuntos de datos de prueba anotados. Esta innovadora plataforma está preparada para transformar varias aplicaciones de diagnóstico, pronóstico y predicción dentro del campo.

"También demostramos cómo la plataforma podría utilizarse para desarrollar nuevas herramientas clínicas", afirma el doctor Yuri Tolkach, del Instituto de Patología General y Anatomía Patológica del Hospital Universitario de Colonia, que dirigió el estudio. "Las nuevas herramientas no solo pueden mejorar la calidad del diagnóstico, sino que también proporcionan nuevos tipos de información sobre la enfermedad del paciente, como por ejemplo cómo responde el paciente al tratamiento".

Enlaces relacionados:
Universidad de Colonia

Visitar la expo >

Miembro Oro

STI Test

Vivalytic MG, MH, UP/UU

Software de laboratorio
Acusera 24•7

Creatinine/eGFR Meter

StatSensor® Creatinine/eGFR Meter

Electrolyte Analyzer

CBS-4000 (CBS-400)