Los investigadores de la UCLA han desarrollado un sistema de inteligencia artificial que podría ayudar a los patólogos a leer biopsias con mayor precisión y a detectar y diagnosticar mejor el cáncer de seno.
El nuevo sistema, descrito en un estudio publicado en Red JAMA abierta , ayuda a interpretar las imágenes médicas utilizadas para diagnosticar el cáncer de seno que puede ser difícil de clasificar para el ojo humano, y lo hace casi tan exactamente o mejor que los patólogos experimentados.
"Es fundamental obtener un diagnóstico correcto desde el principio para que podamos guiar a los pacientes a los tratamientos más efectivos", dijo el Dr. Joann Elmore, autor principal del estudio y profesor de medicina en la Facultad de Medicina David Geffen enUCLA.
Un estudio de 2015 dirigido por Elmore encontró que los patólogos a menudo no están de acuerdo con la interpretación de las biopsias de seno, que se realizan en millones de mujeres cada año. Esa investigación anterior reveló que se produjeron errores de diagnóstico en aproximadamente una de cada seis mujeres que tenían carcinoma ductalin situ un tipo no invasivo de cáncer de mama, y que se dieron diagnósticos incorrectos en aproximadamente la mitad de los casos de biopsia de atipia mamaria células anormales que están asociadas con un mayor riesgo de cáncer de mama.
"Las imágenes médicas de biopsias de seno contienen una gran cantidad de datos complejos e interpretarlas puede ser muy subjetivo", dijo Elmore, quien también es investigador en el Centro Integral de Cáncer Jonsson de UCLA. "Distinguir la atipia de seno del carcinoma ductal in situ esimportante clínicamente pero muy desafiante para los patólogos. A veces, los médicos ni siquiera están de acuerdo con su diagnóstico anterior cuando se les muestra el mismo caso un año después ".
Los científicos razonaron que la inteligencia artificial podría proporcionar lecturas más precisas consistentemente porque al extraer de un gran conjunto de datos, el sistema puede reconocer patrones en las muestras que están asociados con el cáncer pero que son difíciles de ver para los humanos.
El equipo introdujo 240 imágenes de biopsia de seno en una computadora, entrenándola para reconocer patrones asociados con varios tipos de lesiones de seno, que van desde benignas no cancerosas y atipias hasta carcinoma ductal in situ, o DCIS, y cáncer de seno invasivo.Los diagnósticos correctos para cada imagen se determinaron por consenso entre tres patólogos expertos.
Para probar el sistema, los investigadores compararon sus lecturas con diagnósticos independientes realizados por 87 patólogos practicantes de los EE. UU. Mientras que el programa de inteligencia artificial estuvo cerca de desempeñarse tan bien como los médicos humanos para diferenciar los casos de cáncer de los no cancerosos, el programa de IA superó a los médicosAl diferenciar el DCIS de la atipia, considerado el mayor desafío en el diagnóstico de cáncer de mama, el sistema determinó correctamente si los escáneres mostraban DCIS o atipia con más frecuencia que los médicos; tenía una sensibilidad entre 0,88 y 0,89, mientras que la sensibilidad promedio de los patólogos era de 0,70.Una puntuación de sensibilidad más alta indica una mayor probabilidad de que el diagnóstico y la clasificación sean correctos.
"Estos resultados son muy alentadores", dijo Elmore. "Hay poca precisión entre los patólogos practicantes en los EE. UU. Cuando se trata del diagnóstico de atipia y carcinoma ductal in situ, y el enfoque automatizado basado en computadora es muy prometedor".
Los investigadores ahora están trabajando en la capacitación del sistema para diagnosticar melanoma.
Ezgi Mercan del Hospital de Niños de Seattle es el primer autor del estudio. Otros autores son Sachin Mehta y Linda Shapiro de la Universidad de Washington, Jamen Bartlett de Southern Ohio Pathology Consultants y Donald Weaver de la Universidad de Vermont.
El estudio fue apoyado por el Instituto Nacional del Cáncer de los Institutos Nacionales de Salud.
Fuente de la historia :
Materiales proporcionado por Universidad de California - Ciencias de la salud de Los Ángeles . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :