Los investigadores del Instituto Europeo de Bioinformática del EMBL (EMBL-EBI), el Instituto Wellcome Sanger del Hospital de Addenbrooke en Cambridge (Reino Unido) y sus colaboradores han desarrollado un algoritmo de inteligencia artificial (IA) que utiliza la visión computarizada para analizar muestras de tejido de pacientes con cáncer.

Han demostrado que el algoritmo puede distinguir entre tejidos sanos y cancerosos, y también puede identificar patrones de más de 160 cambios de ADN y miles de cambios de ARN en los tumores.  El estudio, publicado hoy en Nature Cancer, destaca el potencial de la IA para mejorar el diagnóstico, el pronóstico y el tratamiento del cáncer.

El diagnóstico y el pronóstico del cáncer se basan en gran medida en dos enfoques principales.  En uno, los histopatólogos examinan la apariencia del tejido canceroso bajo el microscopio. En el otro, los genetistas del cáncer, analizan los cambios que se producen en el código genético de las células cancerosas. Ambos enfoques son esenciales para comprender y tratar el cáncer, pero rara vez se utilizan conjuntamente.

"Los clínicos usan diapositivas de microscopio para el diagnóstico del cáncer todo el tiempo. Sin embargo, el potencial total de estos portaobjetos no se ha desbloqueado todavía. A medida que la visión por ordenador avanza, podemos analizar las imágenes digitales de estas diapositivas para comprender lo que ocurre a nivel molecular", dice Yu Fu, becario posdoctoral del Grupo Gerstung del EMBL-EBI.

Los algoritmos de visión por computador son una forma de inteligencia artificial que puede reconocer ciertas características en las imágenes.  Fu y sus colegas volvieron a utilizar un algoritmo de este tipo desarrollado por Google - originalmente utilizado para clasificar objetos cotidianos como limones, gafas de sol y radiadores - para distinguir varios tipos de cáncer de los tejidos sanos.  Demostraron que este algoritmo también puede ser usado para predecir la supervivencia e incluso los patrones de cambios en el ADN y ARN a partir de imágenes de tejido tumoral.

Enseñar algoritmos para detectar cambios moleculares

En estudios anteriores se han utilizado métodos similares para analizar imágenes de tipos de cáncer únicos o de unos pocos tipos de cáncer con alteraciones moleculares seleccionadas.  Sin embargo, Fu y sus colegas generalizaron el enfoque a una escala sin precedentes: entrenaron el algoritmo con más de 17.000 imágenes de 28 tipos de cáncer recogidas para el Atlas del Genoma del Cáncer, y estudiaron todas las alteraciones genómicas conocidas.

"Lo que es bastante notable es que nuestro algoritmo puede vincular automáticamente la aparición histológica de casi cualquier tumor con un conjunto muy amplio de características moleculares, y con la supervivencia del paciente", explica Moritz Gerstung, jefe de grupo del EMBL-EBI.  En general, su algoritmo fue capaz de detectar patrones de 167 mutaciones diferentes y miles de cambios en la actividad de los genes.

Estos hallazgos muestran en detalle cómo las mutaciones genéticas alteran la apariencia de las células y tejidos tumorales.  Otro grupo de investigación ha validado independientemente estos resultados con un algoritmo de IA similar aplicado a imágenes de ocho tipos de cáncer.

Su estudio fue publicado en el mismo número de Nature Cancer.

Una herramienta potencial para la medicina personalizada

La integración de los datos moleculares e histopatológicos proporciona una imagen más clara del perfil de un tumor.  La detección de las características moleculares, la composición celular y la supervivencia asociadas a cada uno de los tumores ayudaría a los médicos a adaptar los tratamientos adecuados a las necesidades de sus pacientes.

"Desde el punto de vista de un clínico, estos hallazgos son increíblemente emocionantes. Nuestro trabajo muestra cómo la inteligencia artificial podría utilizarse en la práctica clínica", explica Luiza Moore, científica clínica y patóloga del Instituto Wellcome Sanger y el Hospital de Addenbrooke.

"Mientras que el número de casos de cáncer aumenta en todo el mundo, el número de patólogos disminuye. Al mismo tiempo, nos esforzamos por alejarnos del enfoque de 'talla única' y pasar a la medicina personalizada. Una combinación de patología digital e inteligencia artificial puede potencialmente aliviar esas presiones y mejorar nuestra práctica y el cuidado de los pacientes".

Las tecnologías de secuenciación han impulsado la genómica a la vanguardia de la investigación del cáncer, pero estas tecnologías siguen siendo inaccesibles para la mayoría de las clínicas de todo el mundo.

Una posible alternativa a la secuenciación directa sería usar la IA para emular un análisis genómico usando datos que son más baratos de recoger, como las láminas de microscopio.

"Obtener toda esa información a partir de imágenes estándar de tumores de forma completamente automática es revolucionario", dice Alexander Jung, estudiante de doctorado en el EMBL-EBI.

"Este estudio muestra lo que podría ser posible en los próximos años, pero estos algoritmos tendrán que ser refinados antes de su implementación clínica."

Fuente: Laboratorio Europeo de Biología Molecular - Instituto Europeo de Bioinformática

Imagen: Yu Fu, Moritz Gerstung, Spencer Phillips/EMBL