La capacidad de autoaprendizaje de la Inteligencia Artificial (IA) ha comenzado a dar pasos significativos en la investigación sobre el cáncer. En esta ocasión, un grupo de investigadores de NYU Langone Health y de la Universidad de Glasgow ha llevado a cabo un estudio que utiliza un sistema de IA autodidacta para interpretar imágenes de microscopio de cáncer de pulmón y anticipar la probabilidad de que el cáncer se reproduzca tras el tratamiento e incluso para realizar una estimación sobre la supervivencia del paciente.

La virtud de este sistema no solo radica en la posibilidad de conocer el grado de éxito y de fracaso de un tratamiento, sino que podría emplearse en el futuro para predecir las posibles respuestas a diferentes fármacos, según recoge la revista Nature Communications¹.

Análisis inteligente del tejido pulmonar

El uso de este software permite a los patólogos analizar en pocos minutos varias muestras de tejido pulmonar y elaborar predicciones precisas sobre la probabilidad de que el cáncer se reproduzca.

Durante el estudio los investigadores emplearon muestras de 452 pacientes de adenocarcinoma de pulmón que se encontraban en el Atlas del Genoma del Cáncer. Se trata de un tipo de lesión frecuente que cuenta con numerosos subtipos y características, y que ofrece una estructura y una forma tumoral altamente predictiva de los resultados de los pacientes.

El programa proporcionó una segunda opinión imparcial, detallada y confiable para pacientes y oncólogos con respecto a la presencia y el pronóstico del cáncer, incluida la probabilidad y el momento de su reaparición.

Al tratarse de un programa informático autodidacta, este sistema fue capaz de identificar de forma independiente qué características estructurales eran estadísticamente más significativas al evaluar la gravedad de la enfermedad y cuáles tenían mayor impacto en la recurrencia tumoral.

Un 8% más de precisión

Los análisis de las muestras identificaron 46 características distintas del tejido normal y enfermo que etiquetaron como grupos de fenotipos histomorfológicos, un subgrupo de los cuales se asoció significativamente con el cáncer recurrente o con la supervivencia a largo plazo.

A continuación, el equipo validó y comparó estos resultados con imágenes de tejidos obtenidos de 276 hombres y mujeres tratados por adenocarcinoma entre 2006 y 2021. El sistema pudo diferenciar con una precisión del 99% entre cánceres de pulmón, adenocarcinoma y cánceres de células escamosas similares.

Además, la herramienta digital consiguió predecir con un 72% de exactitud la probabilidad y el momento de la reaparición del cáncer después de la terapia, una cifra que mejoró en un 8% la precisión observada por los patólogos en el examen de las imágenes tumorales.

El objetivo de los investigadores consiste en utilizar el algoritmo de aprendizaje de fenotipos histomorfológicos para asignar una puntuación entre 0 y 1 a cada paciente, lo que reflejará su probabilidad estadística de supervivencia y recurrencia tumoral durante un máximo de 5 años. La adición de datos y de nuevas muestras contribuirá, según explican los investigadores, a aumentar la precisión del programa.

Ahora, el equipo aspira a desarrollar programas similares para otros tipos de cáncer, incluido el de mama, ovario y colorrectal, y añadir datos adicionales como registros médicos electrónicos hospitalarios sobre otras enfermedades y dolencias, ingresos, etc.