Avances de la IA en la patología digital

Avances de la IA en Patología Digital

Priya Dialani

Avances de la IA en la patología digital

En el último decenio, los avances en la oncología de precisión han dado lugar a una mayor demanda de ensayos predictivos que permiten elegir y delimitar los pacientes que van a recibir tratamiento. La enorme divergencia de los sistemas de señalización y transcripción que intervienen en el cruce entre las células cancerosas, estromales e inmunitarias confunde la mejora de biomarcadores prácticamente importantes que dependen de un solo gen o proteína. En cualquier caso, la consecuencia de estos complejos procedimientos puede verse particularmente atrapada en las características morfométricas de las muestras de tejido teñidas. La posibilidad de digitalizar imágenes completas de diapositivas de tejidos ha impulsado el advenimiento de la inteligencia artificial (IA) y los instrumentos de aprendizaje automático en la patología digital, que permiten la extracción de fenotipos morfométricos subvisuales y podrían, con el tiempo, mejorar el tratamiento de los pacientes.

A medida que se desarrolle el mercado de la patología digital, las instalaciones que dependen de ella comenzarán a utilizar la inteligencia artificial (IA) para ayudar. La inteligencia artificial podría ayudar a los expertos en salud a adaptarse a la enorme cantidad de datos que las imágenes de patología digital producen.

«El cambio de la atención habitual al paciente a la patología digital procede del pasado de la microscopía virtual, o incluso de las soluciones PACS (sistema de comunicación y archivo de imágenes) de radiología», dice David Dimond, Director de Innovación de Sanidad Global y Ciencias de la Vida de Dell Technologies. «Esto implica soluciones tecnológicas especializadas que extraen datos de un amplio abanico de diferentes servicios sanitarios y bases de datos de investigación, dentro y fuera de las instalaciones individuales. El flujo de trabajo de la patología y la experiencia del paciente es totalmente diferente, ya que el paciente patológico aporta biomaterial que es algo más que un cuadro como el utilizado en radiología».

La patología digital no es sólo una herramienta utilizada por la industria médica y farmacéutica, sino que se está convirtiendo en el nuevo estándar de atención. A medida que la IA se establece progresivamente dentro de la patología digital, ayudará a los científicos a afrontar más retos, a realizar otro nivel de servicios de atención sanitaria y a realizar descubrimientos médicos. Las cifras respaldan el crecimiento del mercado, con un valor de 689 millones de dólares en 2018, y se espera que ascienda un gigantesco 11,7% de aquí a 2026. A medida que el mercado se desarrolle, así como la utilización de la IA.

La patología digital podría mejorar la calidad y la rapidez de la atención al paciente para la eternidad. Una de las ventajas es que un patólogo puede echar un vistazo a una diapositiva entera de una vez, en ese momento decide centrarse en las áreas de interés. Por el contrario, un microscopio convencional no tiene en cuenta la observación de una muestra de tejido completo. Estas perspectivas divididas pueden hacer que incluso los patólogos más experimentados se pierdan cosas.

Además, la patología digital permite ver algunas imágenes una al lado de la otra. Esta alternativa podría ser especialmente útil cuando se miran numerosas fotos de tumores después de algún tiempo, por ejemplo. Estas ventajas se trasladan a los pacientes al ayudarles a obtener los diagnósticos correctos más pronto. Asimismo, como la patología digital fomenta el intercambio de datos, es más sencillo para los clínicos escuchar los diferentes pensamientos de sus colegas.

Un segmento de la medicina, específicamente, que se beneficia de la mezcla de la IA y la patología digital es la oncología. Las muestras de tejido tomadas de pacientes con cáncer de mama se han beneficiado de la técnica que utiliza la IA para producir diagnósticos dependientes de las imágenes de las muestras de tejido.

La tecnología asistida por ordenador está entrenada para percibir y evaluar los receptores de estrógeno y progesterona, al igual que el HER2/neu, que son todos de importancia clínica en el cáncer de mama. Asimismo, la IA está potenciando adicionalmente la evaluación de Ki67 en tumores carcinoides. Los investigadores se benefician al unir la información histopatológica adquirida, analizada e impartida a la patología digital junto con diferentes fuentes de información clínica, por ejemplo, la obtenida de los ómicos, la información clínica histórica y la demográfica.

Sin embargo, es difícil incorporar estos datos, ya que se recogen en varios arreglos que no se consolidan de manera útil. Por ejemplo, los registros clínicos se mantienen en su mayor parte en un formato de texto libre sin estructurar. La inteligencia artificial ayuda a integrar los datos de estas diferentes fuentes.

Aunque en este momento hay mucho optimismo en cuanto a que la IA aplicada a la patología va a ofrecer pronto ventajas sorprendentes (por ejemplo, mayor eficiencia, por ejemplo, automatización, reducción de errores y mayor precisión diagnóstica, y mejor seguridad para el paciente), será difícil de lograr el despliegue de estas herramientas con el objetivo de que funcionen bien en la práctica diaria. Los informes sobre fallos de la IA en la atención sanitaria no se identifican realmente con la tecnología fallida, sino que más bien dificultan el despliegue de los dispositivos de IA en la práctica. La aceptación de los patólogos para utilizar estos aparatos, independientemente de si esperan ayudarlos o suplirlos en la práctica, se basará en tres elementos clave: 1) la facilidad de uso (por ejemplo, demandas simples de preimágenes, entrada agnóstica y rendimiento generalizable, escalable y comprensible), 2) el rendimiento financiero de la inversión asociada al uso de la aplicación y 3) la confianza (por ejemplo, la prueba de ejecución).

Las herramientas de software de inteligencia artificial, siempre que se exploten y se desplieguen bien, tienen la posibilidad de ocuparse de tareas implacables y cotidianas, por ejemplo, contar mitosis y realizar pruebas de detección de tipos de cáncer efectivamente reconocibles y desenredar tareas complejas como, por ejemplo, triaje de biopsias que necesitan consideración urgente y solicitar manchas adecuadas de forma directa cuando se indique). Por ejemplo, se ha demostrado recientemente, en el caso del cáncer de mama, que la recuperación de imágenes de «zonas malignas» que «pueden ser percibidas sin esfuerzo por los patólogos» puede realizarse mediante métodos de IA con una sensibilidad superior al 92%. Esto puede contribuir positivamente a reducir la carga de trabajo de los patólogos y ayudar a la clasificación de los casos.

Leave a Comment!