Sistema de IA analiza muestras patológicas rutinarias para predecir resultados del cáncer

La inteligencia artificial (IA) se aplica cada vez más a las secciones de tejido histológico recolectadas de forma rutinaria; sin embargo, muchos enfoques presentan limitaciones en cuanto a su interpretabilidad y aplicabilidad a nuevas preguntas. Descifrar información biológica oculta en las preparaciones histológicas estándar podría mejorar el diagnóstico y ayudar a guiar la selección del tratamiento. Nuevos hallazgos describen un marco basado en agentes diseñado para extraer señales clínicamente relevantes de las imágenes patológicas.

En el Departamento de Patología del Hospital Universitario de Colonia (Colonia, Alemania), los investigadores desarrollaron SPARK (Sistema de Agentes de Patología para la Investigación y el Conocimiento), una plataforma de IA con capacidad de gestión para la patología oncológica. El sistema integra múltiples algoritmos especializados en un "cerebro digital" coordinado que genera hipótesis biológicas de forma autónoma, las refina y las convierte en herramientas analíticas sin necesidad de reentrenar los modelos subyacentes. El lenguaje actúa como una interfaz universal, permitiendo una interacción flexible con datos de imagen complejos y análisis sencillos basados en el lenguaje, como la estimación de la probabilidad de respuesta a la inmunoterapia.

En análisis realizados con más de 5.400 pacientes de 18 cohortes independientes que abarcan cinco tipos de tumores, SPARK identificó marcadores tisulares descritos como clínicamente relevantes y con fundamento biológico. Estos marcadores se asociaron estrechamente con la evolución de la enfermedad, parámetros patológicos establecidos y la respuesta al tratamiento. El método también permitió inferir elementos del desarrollo tumoral temporal a partir de secciones estáticas, lo que proporcionó información sobre los mecanismos de progresión tumoral.

Según el equipo, SPARK incluye una interfaz de usuario modular, interactiva y especializada que permite a clínicos e investigadores desarrollar enfoques analíticos sin necesidad de conocimientos de programación. Si bien los resultados son prometedores, aún se requiere una validación prospectiva en la práctica clínica habitual para confirmar los beneficios de la tecnología. Los métodos, parámetros y resultados generados con este marco se han puesto a disposición del público para fomentar su desarrollo académico.

El estudio, “Un marco agéntico para el descubrimiento científico autónomo en patología oncológica”, se publicó en Nature Medicine. Los autores afirman que este marco puede ayudar a refinar los diagnósticos, estratificar a los pacientes con mayor fiabilidad y respaldar decisiones de tratamiento más precisas, especialmente en oncología personalizada. Asimismo, prevén que la patología evolucione de una disciplina principalmente descriptiva hacia una ciencia predictiva basada en datos, en consonancia con la oncología de precisión.

"SPARK ayuda a refinar los diagnósticos, estratificar a los pacientes de forma más fiable y tomar decisiones de tratamiento más precisas. En particular, en el campo de la oncología personalizada, existe la oportunidad de adaptar los tratamientos con mayor precisión a las características biológicas individuales de un tumor, mejorando así los resultados del tratamiento", afirmó Yuri Tolkach, médico sénior del Instituto de Patología del Hospital Universitario de Colonia.

"Con SPARK, nuestro objetivo es transformar la patología, pasando de ser una disciplina principalmente descriptiva a una ciencia predictiva basada en datos, y así contribuir significativamente a la medicina de precisión en oncología", afirma el profesor Dr. Reinhard Büttner, director del Instituto de Patología General y Anatomía Patológica.

Enlaces relacionados
Hospital Universitario de Colonia