x
Un equipo internacional de investigadores ha desarrollado un modelo de inteligencia artificial capaz de detectar el cáncer endometrial con una precisión sin precedentes: del 99,26%, superando ampliamente los métodos de diagnóstico automatizado actuales, que apenas alcanzan entre el 78% y el 81% de exactitud. Este avance, publicado en la revista Computer Methods and Programs in Biomedicine Update, podría revolucionar la detección temprana de esta enfermedad, que representa el cáncer ginecológico más común en Australia y una de las principales amenazas oncológicas para las mujeres.
El cáncer endometrial, que afecta el revestimiento del útero, es el cuarto cáncer de más rápido crecimiento entre las mujeres a nivel mundial.
El modelo, denominado ECgMLP, analiza imágenes microscópicas de tejidos mediante un sofisticado sistema que mejora la calidad de las muestras, identifica automáticamente las áreas sospechosas y procesa la información con algoritmos de autoaprendizaje. Lo más destacable es su eficiencia computacional, que permite un análisis rápido y preciso sin necesidad de complejos equipamientos adicionales.
Según los creadores del tinte, este puede simplificar el trabajo de los cirujanos y ayudar a reducir el riesgo de reapariciones.
Esta inteligencia artificial actúa como un asistente médico de altísima tecnología que perfecciona y examina imágenes microscópicas de tejidos con una precisión asombrosa. Primero, trabaja como un editor fotográfico experto: ajusta la iluminación de las imágenes, elimina imperfecciones como manchas o distorsiones, y resalta los detalles clave, similar a cómo mejoramos una foto en el móvil para ver todos sus detalles.
A través de un entrenamiento exhaustivo, el sistema ha perfeccionado su habilidad para ignorar información irrelevante y concentrarse solo en lo importante, logrando una precisión del 99.26% en sus diagnósticos
Luego, se transforma en un detective celular, utilizando algoritmos inteligentes para identificar y marcar automáticamente las zonas sospechosas en el tejido, como si tuviera un marcador fluorescente que solo ilumina las células peligrosas.
El Dr. Asif Karim, experto en informática de la Charles Darwin University y coautor del estudio, explica que "ECgMLP no solo supera a los métodos existentes en precisión, sino que lo hace manteniendo una eficiencia clínica que facilita su implementación práctica". Por su parte, la profesora Niusha Shafiabady, de la Australian Catholic University, destaca que "esta tecnología podría integrarse en sistemas de apoyo a la decisión clínica, ayudando a los médicos a diagnosticar más rápido y con mayor certeza".
Lo más impresionante es su capacidad para aprender y mejorar continuamente. A través de un entrenamiento exhaustivo, el sistema ha perfeccionado su habilidad para ignorar información irrelevante y concentrarse solo en lo importante, logrando una precisión del 99.26% en sus diagnósticos. Esto significa que podría convertirse en una herramienta invaluable para los médicos, ofreciendo resultados rápidos y extremadamente confiables que permitirían detectar el cáncer endometrial en etapas más tempranas y con mayor certeza. Imagínelo como un asistente infalible que nunca se cansa, trabajando en segundo plano para apoyar a los especialistas humanos y ayudar a salvar vidas mediante diagnósticos más oportunos y precisos.
El cáncer es la principal causa de muerte en el mundo. Tan solo en 2020 se atribuyeron a esta enfermedad casi 10 millones de defunciones. WIRED en Español conversa con Alberto Hegewisch, Director Médico de AstraZeneca para la región de Latinoamérica, para hablar sobre los avances tecnológicos que involucran inteligencia artificial y robots para el diagnóstico, tratamientos y recuperación de pacientes con cáncer.
“Nuestro estudio presenta un método innovador para el diagnóstico automatizado de cáncer endometrial mediante imágenes histopatológicas, destacándose por su alta precisión y mínimo tiempo de procesamiento, superando las técnicas existentes”, explican los autores de la investigación. El enfoque combina diversas técnicas de preprocesamiento de imágenes que garantizan datos de entrada de alta calidad para el análisis posterior. Además, utiliza un método de segmentación en múltiples etapas que permite extraer con precisión las regiones de interés de las muestras de tejido".
La investigación emplea el modelo ECgMLP, reconocido por su excelente rendimiento en tareas de clasificación de imágenes. Este sistema es capaz de identificar patrones complejos en los datos y filtrar selectivamente la información mediante mecanismos de control, destacando por su eficiencia al requerir menos parámetros que otros modelos comparados.
“Para optimizar el modelo, realizamos un estudio de ablación detallado en 12 casos clínicos. Esta evaluación sistemática permitió perfeccionar el método e identificar la configuración de parámetros que alcanza la mayor precisión diagnóstica", explican los investigadores.
Pero lo verdaderamente prometedor de esta tecnología es su versatilidad. Cuando los científicos probaron el sistema en otros tipos de cáncer, los resultados fueron igualmente impresionantes: un 98,57% de precisión en cáncer colorrectal, 98,20% en cáncer de mama y 97,34% en cáncer oral. Esto sugiere que la misma arquitectura de inteligencia artificial podría adaptarse para mejorar el diagnóstico de múltiples enfermedades oncológicas.
El impacto potencial de este avance es particularmente relevante para el cáncer endometrial, cuyos síntomas -como sangrado irregular o dolor pélvico- suelen confundirse con otras afecciones menos graves, lo que frecuentemente retrasa su diagnóstico. En Australia, donde esta enfermedad afecta a una de cada 52 mujeres según el Cancer Council, una herramienta de diagnóstico más precisa podría salvar numerosas vidas, especialmente considerando que la detección temprana eleva la tasa de supervivencia a cinco años del 17% al 95%.
Aunque los investigadores advierten que aún son necesarios ensayos clínicos antes de su implementación generalizada, este desarrollo marca un hito en el campo de la inteligencia artificial aplicada a la oncología, siguiendo los pasos de otros sistemas exitosos para la detección de melanomas o cáncer de pulmón.
Lo que comenzó como un proyecto para mejorar el diagnóstico de un cáncer específico podría terminar transformando la forma en que detectamos y combatimos múltiples enfermedades oncológicas en todo el mundo.
Fuente: Wired
