¿Cómo se puede detectar cáncer de colon con métodos de investigación astronómica?

El servicio de Anatomía Patológica del Hospital Universitario de Canarias (HUC) y el Instituto de Astrofísica de Canarias (IAC) colaboran para adaptar métodos de investigación astronómica a la detección precoz de cáncer de colon, ha informado este lunes el IAC.

Se trata del proyecto Patología-IA en el que se desarrolla una herramienta informática que permita adaptar métodos utilizados por la astronomía a imágenes digitalizadas de muestras humanas.

Aunque el objetivo es acelerar la interpretación de los resultados y el diagnóstico del cáncer colorrectal, también se prevé que pueda utilizarse en medicina personalizada de precisión orientada a otros tipos de cáncer, informa el IAC.

El cáncer colorrectal es uno de los más agresivos y el más frecuentemente diagnosticado en España en 2021; su detección precoz es crítica y por ello se toman muestras de manera sistemática, pero la interpretación de los resultados es lenta y compleja.

Los análisis se realizan manualmente por patólogos expertos con más de diez años de formación, lo que conlleva una importante cantidad de tiempo y limita el ritmo de los diagnósticos.

La escasez de patólogos para estudiar el gran número de muestras generadas, y la necesidad de priorizar las más importantes, motivó que el servicio de Anatomía Patológica del HUC contactara con el IAC, donde existe un grupo especializado en la aplicación de métodos de inteligencia artificial a imágenes astronómicas, agrega la nota del instituto científico.

Explica el IAC que un problema inicial es el enorme tamaño de las imágenes digitalizadas de las muestras humanas, con cientos de millones de píxeles, equivalentes a más de una decena de televisiones de alta definición.

Las imágenes típicas provenientes de prospecciones astronómicas suelen ser de menor tamaño, aunque muy numerosas, y un problema común a la astrofísica y al diagnóstico de patologías es la falta de imágenes ya clasificadas, puesto que conlleva un ingente trabajo manual de expertos.

El IAC señala que gracias a la disponibilidad de los métodos, códigos e incluso los datos de entrenamiento de trabajos publicados, se ha logrado desarrollar un modelo de inteligencia artificial basado en la técnica del “maestro medio”.

Dos redes neuronales

En esta técnica se combinan dos redes neuronales idénticas y muy profundas, de forma que una hace de “estudiante” y con pocas imágenes etiquetadas va aprendiendo las características para detectar tumores, y la otra red hace de “maestro” y recibe parte de la información del alumno e intenta clasificar las imágenes sin etiquetar.

Las explicaciones del IAC indican que en el primer intento el resultado es aleatorio, pero de manera iterativa, ciclo tras ciclo, va mejorando sus predicciones y, como las imágenes originales son demasiado grandes, se dividen en miles de segmentos más manejables, adecuados para la memoria de las tarjetas gráficas utilizadas en el análisis.

«Al final se obtiene una red que es capaz de identificar si una imagen es tumoral con alta fiabilidad y con muy pocos falsos positivos”, indica Carlos Westendorp, astrofísico del IAC.

Ya se ha instalado un servidor de cómputo, que incorpora una tarjeta gráfica donada por NVIDIA al IAC, para el uso exclusivo del HUC.

Aclara que el servicio está en fase de pruebas, pero pronto las imágenes obtenidas diariamente en el hospital se podrán subir al servidor y éste devolverá una lista priorizada para ser revisada por los médicos.

“El diagnóstico final será realizado por un patólogo especializado, pero los casos más urgentes serán identificados más rápidamente gracias a la ayuda de la inteligencia artificial”, subraya Carlos Luque, investigador del proyecto EuroCC en el que se enmarca el desarrollo de esta herramienta.

El diseño actual se ha realizado en un periodo de unos meses, gracias al hecho de que los tejidos tienen características comunes para toda la especie humana.

“En el futuro queremos que la red preste más atención a detalles específicos identificados por el HUC”, señala Andrés Asensio, investigador del IAC.

“Como esta técnica también se puede aplicar a otros datos, como los astronómicos, creemos que es un gran ejemplo de los beneficios del trasvase de conocimiento entre campos diferentes unidos por las técnicas de inteligencia artificial”, añade.

Carlos Allende, coordinador del proyecto en el IAC, avanza que “este programa tendrá continuidad con financiación del Instituto de Salud Carlos III para medicina personalizada de precisión orientada al cáncer de mama, y también dentro de IACTEC, el espacio del IAC dedicado específicamente a la transferencia de tecnología, bajo el nombre de Patolog-IA”.