Herramienta de IA mejora interpretación de patólogos de muestras de tejido

Un aspecto crucial de este proceso es estimar la presencia de linfocitos infiltrantes de tumores (LIT), células inmunitarias que influyen significativamente en la respuesta del organismo al cáncer. Sin embargo, las evaluaciones de LIT pueden variar según el patólogo, lo que compromete la seguridad médica y puede generar imprecisiones en la determinación de la gravedad de la enfermedad. Esta variabilidad es crucial, ya que los LIT influyen en el pronóstico y las decisiones de tratamiento, considerándose favorable una alta presencia. Ahora, se ha descubierto que una herramienta basada en inteligencia artificial (IA) que cuantifica los LIT en muestras de tejido mejora la consistencia y la precisión de estas evaluaciones. La herramienta proporciona datos más fiables, lo cual es vital para determinar las opciones de tratamiento.

La herramienta de IA, desarrollada mediante la colaboración entre el Instituto Karolinska (Estocolmo, Suecia) y la Universidad de Yale (New Haven, Connecticut, EUA), se diseñó para ayudar a los patólogos a cuantificar los LIT. La solución busca reducir la variabilidad en las evaluaciones y ayudar a realizar predicciones más precisas sobre el pronóstico de la enfermedad de un paciente. Los investigadores utilizaron un conjunto de imágenes digitales de secciones de tejido teñidas de pacientes con melanoma maligno para desarrollar y probar la herramienta. Este apoyo de IA se incorporó al flujo de trabajo de patólogos experimentados y otros profesionales con experiencia en la evaluación de imágenes patológicas. La herramienta funciona analizando las muestras de tejido y proporcionando una cuantificación de los LIT, ofreciendo una visión más clara de la progresión de la enfermedad.

El estudio valoró las evaluaciones asistidas por IA comparándolas con las realizadas por patólogos que trabajan sin el apoyo de IA. La investigación involucró a 98 participantes que evaluaron 60 muestras de tejido. Los resultados mostraron que las evaluaciones asistidas por IA fueron superiores en términos de reproducibilidad, con alta consistencia entre diferentes evaluadores. Además, las evaluaciones mejoradas por IA condujeron a pronósticos más precisos, ya que los resultados se alinearon estrechamente con la "respuesta correcta" retrospectiva. Estos hallazgos, publicados en JAMA Network Open, sugieren que la IA puede ser una herramienta poderosa para la patología clínica, particularmente en el diagnóstico del melanoma. Los investigadores planean realizar más estudios para refinar la herramienta de IA y explorar su potencial para un uso clínico más amplio.

"Comprender la gravedad de la enfermedad de un paciente a partir de muestras de tejido es importante, entre otras cosas, para determinar la agresividad del tratamiento", afirmó Balazs Acs, profesor asociado del Departamento de Oncología-Patología del Instituto Karolinska. "Ahora contamos con una herramienta basada en IA que puede cuantificar el biomarcador LIT, lo que podría ayudar en la toma de decisiones terapéuticas en el futuro. Sin embargo, se necesitan más estudios antes de que esta herramienta de IA pueda utilizarse en la práctica clínica, pero los resultados hasta el momento son prometedores y sugieren que podría ser una herramienta muy útil en patología clínica".