El servicio de anatomía patológica del Hospital Universitario de Virgen Valme de Sevilla, que dirige Rafael Martínez, junto al grupo de investigación de Robótica y Arquitectura de Computadores de la Escuela Técnica Superior de Ingeniería Informática de la Universidad de Sevilla (US) han desarrollado un proyecto colaborativo sobre la aplicación de la inteligencia artificial para el diagnóstico del cáncer de próstata.
Según resalta la dirección del hospital en una nota de prensa, el resultado es la creación de un sistema capaz, en pocos segundos, de detectar áreas tumorales en imágenes digitalizadas con un 98-99% de sensibilidad y precisión.
El cáncer de próstata es en la actualidad uno de los tipos de tumores malignos más diagnosticados en el sexo masculino. El tumor se inicia cuando las células de esta glándula crecen sin control, pudiendo invadir los tejidos y órganos circundantes (infiltración) o extenderse a otras partes del cuerpo (metástasis).
Aunque su tasa de mortalidad ha disminuido en las últimas décadas, continúa siendo una preocupación importante dada su elevada prevalencia. Concretamente, se sitúa en la tercera causa de mortalidad por cáncer en varones en España, detrás del cáncer de colon y el de pulmón.
Por su parte, la patología digital es un conjunto de herramientas que incluyen la digitalización, el almacenamiento, procesamiento y análisis de imágenes en Anatomía Patológica con el fin de optimizar los resultados del procedimiento. Las herramientas básicas de trabajo de esta metodología son las siguientes: el sistema de información del laboratorio de Anatomía Patológica con trazabilidad total de las muestras, la imagen digital (que incluye la digitalización y el almacenamiento de las mismas) junto al diseño de algoritmos automáticos de análisis de imagen con el fin de mejorar la eficiencia y exactitud en el diagnóstico.
El servicio de anatomía patológica del hospital sevillano diagnostica alrededor de 200 nuevos casos de cáncer de próstata al año. Unas elevadas cifras de incidencia que han determinado el interés de este centro por participar en estrategias de medicina de precisión al objeto de optimizar resultados en Salud. De ahí su protagonismo en un proyecto colaborativo donde se combinan los avances de las tecnologías de la información con la aplicación de las nuevas posibilidades que ofrece la inteligencia artificial a la asistencia sanitaria.
El proyecto ha contado con la participación de Antonio Félix Conde Martín, facultativo especialista del servicio de Anatomía Patológica del Hospital Universitario de Valme e investigador en el ámbito de la patología digital. Mientras que por parte de la Universidad de Sevilla han participado Lourdes Durán López y Juan Pedro Domínguez Morales, liderados por Alejandro Linares Barranco (pertenecientes al área de conocimiento de Robótica y Tecnología de Computadores).
Dicha iniciativa se enmarca en el proyecto 'Prometeo' de transferencia del conocimiento Paidi2020 de la Junta de Andalucía. Consiste en el diseño de una arquitectura de red neuronal convolucional (CNN) dedicada a la detección de áreas de tejido cancerígeno en biopsias de próstata. Las CNN son redes de neuronas artificiales inspiradas en el funcionamiento del cerebro humano y que, mediante sus capas de procesamiento, son capaces de extraer características de la imagen y clasificarlas de forma automatizada.
En el trabajo desarrollado se ha creado un novedoso sistema de diagnóstico asistido por computadora basado en el aprendizaje profundo, destacando los ingenieros Lourdes Durán y Juan Pedro Domínguez que su red personalizada "supera a otros trabajos de vanguardia en términos de complejidad computacional para una tarea de clasificación binaria entre tejido normal y maligno en preparaciones digitales de próstata".
Para ello, el servicio de anatomía patológica del Hospital Universitario de Valme ha suministrado, a través de patólogos expertos, imágenes digitalizadas de biopsias de cáncer de próstata procedentes de pacientes anónimos fallecidos por esta enfermedad. Han delimitado las áreas tumorales de las no tumorales para realizar el entrenamiento automático de la CNN diseñada y optimizada durante la colaboración.
El resultado ha sido un sistema capaz de detectar áreas tumorales en imágenes digitalizadas con entre un 98% y un 99% de sensibilidad y precisión, en pocos segundos. La aplicación práctica de estos resultados es de gran valor e interés, especialmente en entornos de trabajo con alto grado de integración digital. Durán López subraya que "en este contexto permitiría, entre otras funcionalidades, hacer una valoración preliminar de la muestra priorizando de manera automática a determinados pacientes, o incluso adelantando estudios complementarios de muestras con diagnóstico de cáncer, mejorando significativamente la eficiencia y la eficacia en el diagnóstico".
El proceso de diagnóstico de gran número de enfermedades incluye la toma de muestras de células, tejidos u órganos para su análisis en el laboratorio. De ello se encarga Anatomía Patológica, especialidad médica que estudia las alteraciones morfológicas que aparecen en las muestras objeto de valoración y que determina el diagnóstico de la enfermedad, clave para las tomas de decisiones clínicas.
A través de la biopsia se confirma o se excluye la presencia de cáncer en el tejido. En el Laboratorio de Anatomía Patológica se procesan y digitalizan las muestras extraídas, en este caso de próstata. Se obtienen preparaciones digitales de alta resolución que son analizadas por los patólogos. Precisamente en este proceso, los sistemas inteligentes automatizados pueden ser de gran utilidad a estos profesionales, contribuyendo a disminuir la carga de trabajo y acortar el tiempo en el proceso de rutina.
El paso siguiente es el desarrollo de algoritmos que permiten automatizar el diagnóstico mediante procesos de aprendizaje (también denominado 'deep learning') perteneciente al campo de la inteligencia artificial. Ésta simula procesos de comportamiento humano basados principalmente en el aprendizaje y el razonamiento, aprendiendo y analizando con rapidez enormes cantidades de información.
De tal forma que se analizan y procesan imágenes para reconocer patrones asociados a patologías concretas, lo cual permite ayudar a los patólogos y mejorar la rapidez, precisión, eficacia y calidad de los diagnósticos. Por tanto, según destaca el patólogo e investigador Antonio Félix Conde, "la inteligencia artificial se convierte en un aliado del sanitario suponiendo un salto cualitativo en el proceso diagnóstico de las muestras a analizar, dado que el tradicional banco de muestras conservadas en parafina se transforma en "un big data anatomopatológico", ayudando a los especialistas a agilizar los tiempos diagnósticos".
