Escudo de la República de Colombia Escudo de la República de Colombia
UN Periódico Digital

Resultados de Búsqueda:

UN Periódico Digital
Inteligencia artificial reduce tiempo para diagnosticar cáncer de seno

La cooperación entre los médicos patólogos, los oncólogos y los ingenieros de sistemas y biomédicos permiten mejorar los diagnósticos tempranos de cáncer, por medio de la integración de la tecnología y los métodos computacionales, en una nueva área conocida como patología digital que optimiza la patología tradicional.

Una de las ramas de la biología es la histopatología o estudio de los tejidos enfermos, que permite identificar patrones anormales y diagnosticar enfermedades como el cáncer. Las muestras de esos tejidos o biopsias se estudian sobre láminas de vidrio al microscopio. Según el tipo de tejido, la apariencia es diferente.

El cuerpo humano y sus órganos son tridimensionales. Sin embargo, los patólogos solo pueden apreciar las muestras de tejidos para su análisis en dos dimensiones. Para ello utilizan un microscopio con una lámina plana de vidrio montada con un corte muy delgado del tejido, teñido con tintes especiales para resaltar los núcleos y citoplasmas de las células.

La innovación de su investigación fue utilizar láminas virtuales de imágenes digitales de histopatología para analizar los tejidos enfermos a cambio de los tradicionales microscopios con láminas planas de vidrio.

“La apariencia, normal o no, de un tipo de tejido depende del órgano, la parte del cuerpo donde está, los colores usados para su caracterización y la orientación del corte realizado, además de la apariencia cambiante por la variabilidad anatómica entre personas y las anormalidades o patologías” explica Ángel Alfonso Cruz Roa, doctor del Departamento de Ingeniería de Sistemas de la Universidad Nacional de Colombia (UN), quien ha aportado de manera significativa a la patología digital.

Consciente de la importancia de detectar de forma temprana la enfermedad para un tratamiento oportuno que salve la vida de las pacientes, Cruz realizó su tesis de doctorado Aprendizaje de la representación basado en datos a partir de bases de datos de imágenes de histopatología para apoyar el análisis de patología digital” (en inglés, Data-driven Representation Learning from Histopathology Image Databases to Support Digital Pathology Analysis.) Su objetivo fue aportar en la optimización de las tareas de apoyo al diagnóstico de distintos tipos de cáncer, como el de seno y el de piel.

La innovación de su investigación fue utilizar láminas virtuales de imágenes digitales de histopatología para analizar los tejidos enfermos a cambio de los tradicionales microscopios con láminas planas de vidrio.

Según el investigador, para ello se digitalizaron las muestras de tejido con escáneres de láminas o microscopios robotizados que permiten obtener una lámina virtual de histopatología como una imagen digital de muy alta resolución y gran tamaño de almacenamiento (100 megapíxeles y 20 GB). De esta manera, su trabajo ha optimizado el manejo de las imágenes que sirven para el diagnóstico, a pesar de su tamaño y complejidad.

Deep Learning, metodología innovadora

Mediante el trabajo conjunto de investigadores de la UN y la Universidad Case de la Reserva Occidental (Case Western Reserve University) se ha logrado experimentar con mayor cantidad de datos de pacientes e imágenes digitalizadas. “Ellos trabajan en otros tipos de la enfermedad como cáncer de piel o de cerebro”, explica Cruz.

Según el investigador, la UN venía trabajando en aprendizaje profundo (deep learning), queconsiste en un conjunto de algoritmos para el aprendizaje automático,aplicado a cáncer de piel, con los investigadores y Ph D Fabio González y Eduardo Romero.

“En 2012, el doctor Anant Madabushi nos propuso el reto de constatar si nuestro método basado en deep learning podía funcionar con los datos de ellos. Entonces trabajamos con un cáncer de cerebro en niños denominado méduloblastoma. En ese caso, usamos uno de los métodos de deep learning conocido como redes neurales artificiales autoencoders (autoencoders neural networks) y obtuvimos mejores resultados de detección porque mejoramos la capacidad de discriminar entre los tipos de tumores que en Estados Unidos usando nuestros métodos”, relata el investigador.

En la inteligencia artificial se aplica el modelo de aprender del error, subsanarlo para minimizarlo, y así sucesivamente, de tal manera que se corrija de los ejemplos y se aprenda a reconocer los patrones con los datos proporcionados. Es similar a la manera como aprende el cerebro a partir de los estímulos del exterior que configuran conexiones entre neuronas, explica el ingeniero.

En ese caso, usamos uno de los métodos de deep learning conocido como redes neurales artificiales autoencoders (autoencoders neural networks) y obtuvimos buenos resultados porque llegamos a los mismos resultados que en Estados Unidos usando nuestros métodos”.

“Cuando estábamos terminando la tesis existían dudas sobre las normas para el uso de láminas virtuales en el diagnóstico. Sin embargo, en 2017 la Revista de la Asociación Médica Americana de Dermatología (Journal of American Medical Association of Dermatology) publicó un trabajo en el que -a partir de un estudio con 499 casos de dermatología- concluye que había un 94 % de concordancia entre los diagnósticos que usaban láminas de histopatología y el microscopio, con aquellos que utilizaban las láminas virtuales de imágenes digitales de histopatología, con lo cual el diagnóstico en patología digital es equivalente al tradicional. Esta es una gran oportunidad que no existía antes para llevar los avances tecnológicos en patología digital a la comunidad”, enfatiza Cruz.

Su trabajo -realizado con los doctores Fabio González, Anant Madabushi y Haibo Wang- ya cuenta con una patente sobre detección automática de mitosis en tumores de cáncer, en Estados Unidos. Además, hay otra aplicación de patente en trámite, también en ese país, en el contexto del análisis automático y eficiente de imágenes de alta resolución de histopatología para detectar tumores invasivos en cáncer de seno.

La detección temprana del cáncer sigue siendo uno de los principales problemas para enfrentar la enfermedad, principalmente en países en vías de desarrollo como Colombia, pese a los avances en la investigación durante las últimas décadas. Un problema preocupante si se tiene en cuenta que detectarlo oportunamente es determinante para definir un tratamiento y salvar la vida de los 8.686 casos que se detectan en Colombia, según el Ministerio de Salud.

En nuestro país, los especialistas de patología son escasos y generalmente se localizan en las principales ciudades, pero los pacientes están en cualquier lugar. Muchas veces una muestra se puede demorar hasta un mes. A esto se suma la importancia y el desafío de trabajar con los anchos de banda existentes en el país.

La investigación del ingeniero obtuvo reconocimiento como tesis laureada.

Consulte la tesis completa aquí

http://bdigital.unal.edu.co/50510/1/86078374.2015.pdf

Consejo Editorial