El análisis de imágenes médicas mediante IA se ha desarrollado rápidamente en los últimos años. Ahora se ha realizado uno de los mayores estudios hasta la fecha con análisis de imágenes asistido por IA de linfomas, cáncer del sistema linfático. Investigadores de la Universidad Tecnológica de Chalmers (Suecia) han desarrollado un modelo informático capaz de detectar signos de cáncer de ganglios linfáticos en el 90% de los casos.

Se están desarrollando nuevos métodos informáticos de interpretación de imágenes médicas para diversas afecciones. Pueden reducir la carga de trabajo de los radiólogos, ofreciéndoles una segunda opinión o clasificando a los pacientes que necesitan tratamiento más rápidamente.

"Un sistema informático basado en IA para interpretar imágenes médicas también contribuye a aumentar la igualdad en la asistencia sanitaria al dar a los pacientes acceso a la misma experiencia y poder revisar sus imágenes en un tiempo razonable, independientemente del hospital en el que se encuentren. Como un sistema de IA tiene acceso a mucha más información, también facilita las cosas en enfermedades raras en las que los radiólogos rara vez ven imágenes", afirma Ida Häggström, profesora asociada del Departamento de Ingeniería Eléctrica de Chalmers.

En estrecha colaboración con la Academia Sahlgrenska de la Universidad de Gotemburgo y el Hospital Universitario Sahlgrenska, ha participado en el desarrollo de imágenes médicas en el campo del cáncer, así como en otras afecciones médicas, como enfermedades cardiovasculares, ictus y osteoporosis.

Gran estudio para rastrear el cáncer en el sistema linfático

Ida Häggström, junto con investigadores clínicos del Memorial Sloan Kettering Cancer Center de Nueva York, entre otros, ha desarrollado un modelo informático que se ha presentado recientemente en The Lancet Digital Health.

"A partir de más de 17.000 imágenes de más de 5.000 pacientes con linfoma, hemos creado un sistema de aprendizaje en el que se ha entrenado a los ordenadores para encontrar signos visuales de cáncer en el sistema linfático", explica Häggström.

En el estudio, los investigadores examinaron archivos de imágenes de hace más de diez años. Compararon el diagnóstico final de los pacientes con tomografías por emisión de positrones (PET) y tomografías computarizadas (TC) tomadas antes y después del tratamiento. Esta información se utilizó para entrenar el modelo informático de IA en la detección de signos de cáncer ganglionar en una imagen.

Entrenamiento supervisado

El modelo informático que ha desarrollado Ida Häggström se llama Lars, Lymphoma Artificial Reader System, y es un sistema de aprendizaje profundo basado en inteligencia artificial. Funciona introduciendo una imagen de tomografía por emisión de positrones (PET) y analizándola con el modelo de IA. Está entrenado para encontrar patrones y características en la imagen, con el fin de hacer la mejor predicción posible de si la imagen es positiva o negativa, es decir, si contiene linfoma o no.

"He utilizado lo que se conoce como entrenamiento supervisado, en el que se muestran imágenes al modelo informático, que a continuación evalúa si el paciente tiene linfoma o no. El modelo también llega a ver el diagnóstico real, de modo que si la evaluación es errónea, el modelo informático se ajusta para que gradualmente sea cada vez mejor a la hora de determinar el diagnóstico", explica Häggström.

En la práctica, ¿qué significa realmente que el modelo informático utilice inteligencia artificial y aprendizaje profundo para realizar un diagnóstico?
"Se trata de que no hemos programado instrucciones predeterminadas en el modelo sobre qué información de la imagen debe mirar, sino que dejamos que aprenda por sí mismo qué patrones de imagen son importantes para obtener las mejores predicciones posibles".

Apoyo a los radiólogos

Ida Häggström califica de laborioso el proceso de enseñar al ordenador a detectar, en este caso, cáncer en las imágenes, y afirma que ha llevado varios años completar el estudio. Uno de los retos ha sido producir tal cantidad de material de imagen. También ha sido un reto adaptar el modelo informático para que pueda distinguir entre el cáncer y los cambios temporales específicos del tratamiento que pueden verse en las imágenes tras la radioterapia y la quimioterapia.

"En el estudio, estimamos que la precisión del modelo informático es de alrededor del noventa por ciento y, especialmente en el caso de imágenes difíciles de interpretar, podría ayudar a los radiólogos en sus evaluaciones".

Sin embargo, aún queda mucho trabajo por hacer para validar el modelo informático si se quiere utilizar en la práctica clínica.

"Hemos puesto el código informático a disposición de otros investigadores para que puedan seguir trabajando a partir de nuestro modelo informático, pero las pruebas clínicas que hay que realizar son exhaustivas", afirma Häggström.

Fuente: Universidad Tecnológica de Chalmers