Herramienta de IA supera a médicos en la detección de anomalías en células sanguíneas

El diagnóstico de trastornos sanguíneos depende del reconocimiento de anomalías sutiles en el tamaño, la forma y la estructura celular. Sin embargo, este proceso es lento, subjetivo y requiere años de formación especializada. Incluso los especialistas tienen dificultades con casos complejos, y un solo frotis de sangre puede contener miles de células, muchas más de las que cualquier ser humano puede evaluar con fiabilidad. Investigadores han desarrollado una herramienta de inteligencia artificial (IA) que reduce la variabilidad diagnóstica e identifica con mayor precisión células raras asociadas a enfermedades.

Investigadores de la Universidad de Cambridge (Cambridge, Reino Unido), en colaboración con el Colegio Universitario de Londres (Londres, Reino Unido), han creado un sistema de IA generativa capaz de modelar la gama completa de apariencias normales de las células sanguíneas, a la vez que identifica formas inusuales o raras. Desarrollado a partir de más de medio millón de imágenes de frotis de sangre periférica, el modelo aprende la distribución de las morfologías celulares en lugar de basarse en reglas de clasificación rígidas.

Este diseño permite que el sistema gestione las variaciones causadas por diferentes microscopios, técnicas de tinción y flujos de trabajo clínicos. A diferencia de los modelos de IA convencionales, entrenados únicamente para reconocer patrones, la herramienta captura las características estructurales sutiles que distinguen las células sanas de las asociadas con leucemia u otros trastornos sanguíneos. El modelo también puede cuantificar su incertidumbre, destacando los casos que requieren la revisión de expertos.

Las pruebas demostraron que la IA detectó células anormales con una sensibilidad notablemente mayor que las herramientas existentes y, a menudo, superó el rendimiento de los médicos clínicos cualificados. Los hallazgos, publicados en Nature Machine Intelligence, demostraron que el sistema podía mantener la precisión incluso al entrenarse con conjuntos de datos reducidos y se generalizaba correctamente en imágenes nunca antes vistas. El modelo también generó imágenes celulares sintéticas que los hematólogos expertos no pudieron distinguir de las reales.

Los investigadores publicaron su conjunto de datos, ofreciendo más de medio millón de imágenes etiquetadas para apoyar el desarrollo global de la IA médica. Destacan que el sistema está diseñado para clasificar casos rutinarios y detectar hallazgos sospechosos, no para reemplazar el criterio clínico. El trabajo futuro se centrará en mejorar la velocidad de procesamiento y validar el rendimiento en poblaciones diversas para garantizar resultados equitativos.

“El verdadero valor de la IA en el ámbito sanitario no reside en aproximarse a la experiencia humana a un menor coste, sino en permitir un mayor poder de diagnóstico, pronóstico y prescripción que el que pueden alcanzar los expertos o los modelos estadísticos simples”, afirmó el profesor Parashkev Nachev, del UCL y coautor principal. “Nuestro trabajo sugiere que la IA generativa será fundamental para esta misión, transformando no solo la fidelidad de los sistemas de apoyo clínico, sino también su comprensión de los límites de su propio conocimiento. Esta conciencia metacognitiva, saber lo que uno no sabe, es crucial para la toma de decisiones clínicas, y aquí demostramos que las máquinas podrían ser mejores en esto que nosotros”.

Enlaces relacionados:
Universidad de Cambridge
Colegio Universitario de Londres

Visitar la expo >

Miembro Oro

Lector rapido de tarjetas

EASY READER+

Software de laboratorio
Acusera 24•7

New

Miembro Oro

Control de preeclampsia

Acusera Pre-Eclampsia Control

Japanese Encephalitis Test

Japanese Encephalitis Virus Real Time PCR Kit