Un ordenador mejora el diagnóstico en cáncer de mama
«C-Path» se basa en el análisis de imágenes de forma automática de los tejidos cancerosos y en la predicción de la supervivencia del paciente.
Desde 1928, los profesionales sanitarios analizan las características del cáncer de mama de la misma forma; a través de del microscopio. Los patólogos examinan los tumores de manera visual y los tumores se categorizan de acuerdo a una escala desarrollado por primera vez hace ocho décadas. Los resultados sirven para determinar el tipo y la gravedad del cáncer y, en consecuencia, para hacer un pronóstico y definir el tratamiento más adecuado .
En plena era tecnológica, resulta cuanto menos curioso que no se utilicen los ordenadores para este proceso. Esto es lo que se ha propuesto un equipo de la Universidad de Stanford (EE.UU.), cuyo trabajo se ha publicado en Science Translational Medicine . Según los investigadores, los ordenadores programados para analizar las imágenes microscópicas de cáncer de mama fueron más precisos que las los análisis realizados por los seres humanos .
El modelo recibe el nombre de « Patólogo Computacional o C-Path », y se basa en el análisis de imágenes de forma automática de los tejidos cancerosos y en la predicción de la supervivencia del paciente.
Más preciso
Los investigadores utilizaron muestras de tejido de pacientes cuyo pronóstico era ya conocido. Los ordenadores analizaron minuciosamente las imágenes, valoraron las diversas estructuras del tumor y las emplearon para predecir la supervivencia del paciente. Al comparar los resultados con los datos conocidos, los ordenadores habían adaptado sus modelos para predecir mejor la supervivencia y, poco a poco, descubrieron qué características de los tumores eran más importantes y cuáles menos en la predicción de la supervivencia. «En esencia, el ordenador aprende», señala Daphne Koller.
Durante mucho tiempo la medicina se ha basado en tres rasgos específicos de las células de cáncer de mama para valorar los tumores: ¿Qué porcentaje del tumor está formado por células tubulares, la diversidad de los núcleos de las regiones ultraperiféricas (epiteliales) de las células del tumor y la frecuencia con que las células se dividen (un proceso conocido como mitosis). Estos tres factores son evaluados con un microscopio y sirven para estratificar a los pacientes de cáncer de mama en tres grupos.
«Los patólogos han sido entrenados para mirar y evaluar las estructuras celulares específicas de importancia clínica conocida, que se incorporan en la calificación. Sin embargo, los tumores contienen innumerables características adicionales , cuya significación clínica no ha sido evaluado», afirma Andrew Beck, MD, autor principal del artículo.
«C-Path» evalúa un total de 6.642 factores celulares . Una vez probada su eficacia con un grupo de pacientes, los investigadores analizaron los tejidos de pacientes con cáncer no analizados previamente y el resultado se comparó con los datos conocidos. El sistema ofreció resultados que mejoraban estadísticamente en humanos los que se había basado en la evaluación manual.
Microambiente tumoral
Al final, los resultados demuestran lo que muchos científicos han estado pensando desde hace tiempo: que el cáncer es un « ecosistema », y que la información clínicamente significativa se puede obtener por un cuidadoso análisis del microambiente tumoral.
«A través de este nuevo sistema de aprendizaje, estamos llegando a pensar en el cáncer de manera más holística , como un sistema complejo y no como un montón de células malignas en un tumor», indica Matt van de Rijn. «El ordenador nos indica lo relevante, y no al revés».
Los investigadores van más lejos: «si podemos enseñar a los ordenadores a analizar una muestra de tejido del tumor y predecir la supervivencia, ¿por qué no enseñarlos a predecir, a partir de la misma muestra, qué ciclos de tratamiento o qué medicamentos serían mejores para cada paciente? Esta es la medicina personalizada », Shubra Koller.
Esta funcionalidad es sólo para suscriptores
Suscribete
Esta funcionalidad es sólo para suscriptores
Suscribete