Herramienta de IA analiza rápidamente imágenes complejas de cáncer para tratamiento personalizado

Las imágenes complejas de biopsia digital, que normalmente requieren hasta 20 minutos para ser evaluadas por un patólogo experto, ahora pueden analizarse en aproximadamente un minuto mediante una nueva herramienta de inteligencia artificial (IA). Esta tecnología puede detectar el cáncer, identificar la ubicación de las lesiones tumorales y estimar la proporción de regiones con diferente agresividad. Ofrece una forma más rápida e informativa de interpretar muestras de tejido y podría facilitar la toma de decisiones terapéuticas más personalizadas.

El modelo de IA, desarrollado por investigadores de la Universidad de Cambridge (Cambridge, Inglaterra, Reino Unido), se entrenó únicamente con portaobjetos etiquetados con información diagnóstica básica, en lugar de anotaciones detalladas. Mediante el aprendizaje medible de múltiples instancias basado en Superpatch, el sistema analiza imágenes de portaobjetos completos para mapear los subtipos de cáncer y la distribución de grados, a pesar de haberse entrenado sin guía a nivel regional. Al capturar la composición heterogénea de los tumores, el algoritmo imita la interpretación que los médicos clínicos hacen de las estructuras tisulares complejas.

Para evaluar el rendimiento, el equipo probó el modelo en ocho conjuntos de datos con 3.850 imágenes de portaobjetos completos que representaban cánceres de pulmón, riñón, ovario, mama, estómago y próstata. El estudio, publicado en Nature Cancer, demostró que la herramienta ofrecía una precisión de clasificación a nivel de portaobjetos comparable o superior a la de nueve sistemas de IA líderes. Además, los superó considerablemente en la estimación de las proporciones de los subtipos tumorales y la distribución espacial entre los tejidos.

Estos hallazgos sugieren que la herramienta podría optimizar los flujos de trabajo de diagnóstico y ampliar el acceso a la caracterización avanzada del cáncer. Al entrenarse con conjuntos de datos económicos y ampliamente disponibles, podría ayudar a superar las barreras de costo asociadas con el mapeo espacial de tumores. El equipo planea aplicar el sistema para predecir biomarcadores moleculares, lo que proporcionará un conocimiento más profundo de la biología tumoral y permitirá estrategias de tratamiento más personalizadas.

“Al permitir que los patólogos realicen diagnósticos más rápidos y precisos, podemos asegurarnos de que los pacientes reciban el mejor tratamiento incluso antes, mejorando nuestras posibilidades de tratar con éxito su cáncer”, dijo el Dr. Zeyu Gao, del Instituto de Cáncer Temprano de la Universidad de Cambridge, desarrollador del algoritmo.

Enlaces relacionados:
Universidad de Cambridge

Visitar la expo >

Miembro Oro

Clinical Chemistry Assay

Sorbitol Dehydrogenase (SDH)

Software de laboratorio
Acusera 24•7

Automated Urinalysis Solution

UN-9000

Prefilled Tubes

Prefilled 5.0ml Tubes