Herramienta de IA ayuda a distinguir glioblastoma agresivo de cánceres cerebrales en tiempo real

El glioblastoma, el tumor cerebral más común y agresivo, suele tener una apariencia similar al linfoma primario del sistema nervioso central (LPSNC), un cáncer menos frecuente con diferentes necesidades de tratamiento. Un diagnóstico erróneo puede conllevar cirugías innecesarias o retrasos en la atención adecuada. Ahora, un nuevo sistema de inteligencia artificial (IA) permite a los cirujanos diferenciar entre estos cánceres similares en tiempo real con una precisión casi perfecta.

Un equipo de investigación dirigido por la Facultad de Medicina de Harvard (Boston, MA, EUA) ha desarrollado una herramienta de IA llamada PICTURE (Herramienta de Caracterización de Imágenes Patológicas con Evaluaciones Rápidas con Conciencia de la Incertidumbre). El modelo se entrenó para detectar características críticas del cáncer, como la densidad celular tumoral, la forma celular y la necrosis, lo que le permite distinguir el glioblastoma del LPSNC durante las operaciones. Lo que hace única a PICTURE es su detector de incertidumbre, que alerta a los médicos cuando un tumor no se ajusta a los patrones conocidos y requiere revisión humana, garantizando así una integración segura en decisiones cruciales.

La IA se probó en 2.141 portaobjetos de patología cerebral, incluyendo muestras raras congeladas y fijadas en formalina, y se evaluó en cinco hospitales de cuatro países. Los resultados, publicados en Nature Communications, mostraron que el modelo pudo distinguir correctamente el glioblastoma del LPSNC en más del 98 % de los casos, superando tanto a los patólogos humanos como a las herramientas de IA existentes. Cabe destacar que el modelo también detectó 67 cánceres del sistema nervioso central fuera de sus categorías principales, reconociendo cuándo no había detectado un tipo de tumor antes.

Además de la precisión, PICTURE abordó una debilidad clave en la práctica actual. El análisis tradicional de cortes congelados puede tardar 15 minutos, pero conlleva tasas de error de hasta 1 de cada 20 casos, con diagnósticos erróneos en el 38 % de los tumores difíciles. El nuevo sistema minimiza los errores, apoya a los médicos en casos inciertos y previene la clasificación errónea de tumores poco frecuentes. Ha demostrado un rendimiento fiable durante la cirugía y en casos en los que los expertos humanos discreparon.

Los investigadores ven un gran potencial en PICTURE para democratizar la neuropatología, un área con pocos especialistas distribuidos de forma desigual a nivel mundial. Al proporcionar apoyo a la toma de decisiones en tiempo real, la herramienta podría guiar el tratamiento en quirófanos, evitando cirugías innecesarias en pacientes con LPSNC y garantizando una resección agresiva en casos de glioblastoma. Los planes futuros incluyen la expansión del modelo para abarcar más subtipos de cáncer cerebral y la integración de datos genéticos y moleculares para obtener información más detallada.

“Nuestro modelo puede minimizar los errores de diagnóstico al distinguir entre tumores con características superpuestas y ayudar a los médicos a determinar el mejor tratamiento basándose en la verdadera identidad del tumor”, afirmó Kun-Hsing Yu, autor principal del estudio. “Nuestro modelo muestra un rendimiento fiable en secciones congeladas durante la cirugía cerebral y en escenarios con discrepancias significativas en el diagnóstico entre expertos humanos”.

Enlaces relacionados:
Facultad de Medicina de Harvard