La IA rastrea misteriosos cánceres metastásicos hasta su origen. El algoritmo examina imágenes de células metastásicas para identificar la ubicación del tumor primario

Algunos cánceres ocultos pasan desapercibidos hasta que se han extendido desde su origen a órganos distantes. Ahora los científicos han desarrollado una herramienta de inteligencia artificial (IA) que supera a los patólogos en la identificación de los orígenes de las células cancerosas metastásicas que circulan en el cuerpo. El modelo de prueba de concepto podría ayudar a los médicos a mejorar el diagnóstico y el tratamiento del cáncer en fase avanzada y prolongar la vida de las personas.

«Es un hallazgo bastante significativo: que se puede utilizar como herramienta de asistencia», afirma Faisal Mahmood, que estudia las aplicaciones de la IA en la atención sanitaria en la Facultad de Medicina de Harvard en Boston, Massachusetts.

Orígenes esquivos



Para tratar los cánceres metastásicos, los médicos necesitan saber de dónde provienen. No se puede identificar el origen de hasta el 5% de todos los tumores y el pronóstico para las personas cuyo cáncer primario aún se desconoce es malo.

Un método utilizado para diagnosticar cánceres metastásicos complicados se basa en células tumorales que se encuentran en el líquido extraído del cuerpo. Los médicos examinan imágenes de las células para determinar a qué tipo de célula cancerosa se parecen. Por ejemplo, las células de cáncer de mama que migran a los pulmones todavía parecen células de cáncer de mama.

Cada año, de las 300.000 personas con cáncer que reciben tratamiento en el hospital afiliado a la Universidad Médica de Tianjin (TMU) en China, unas 4.000 son diagnosticadas mediante este tipo de imágenes, pero alrededor de 300 personas siguen sin ser diagnosticadas, afirma Tian Fei, cirujano especializado en cáncer colorrectal. en el TMU.

Tian, ​​Li Xiangchun, un investigador de bioinformática que estudia el aprendizaje profundo en TMU, y sus colegas querían desarrollar un algoritmo de aprendizaje profundo para analizar estas imágenes y predecir el origen de los cánceres. Sus resultados se publicaron en Nature Medicine el 16 de abril.

Entrenamiento tumoral

Los investigadores entrenaron su modelo de IA con unas 30.000 imágenes de células encontradas en líquido abdominal o pulmonar de 21.000 personas cuyo origen del tumor se conocía. Luego probaron su modelo en 27.000 imágenes y descubrieron que había un 83% de posibilidades de que predijera con precisión el origen del tumor. Y había un 99% de posibilidades de que la fuente del tumor estuviera incluida en las tres principales predicciones del modelo.

Tener una lista de los tres primeros es útil porque puede ayudar a los médicos a reducir la cantidad de pruebas adicionales, a menudo intrusivas, necesarias para identificar los orígenes de un tumor, dice Mahmood. Las predicciones se limitaron a 12 fuentes comunes de cáncer, incluidos los pulmones, los ovarios, las mamas y el estómago. Algunas otras formas de cáncer, incluidos los que se originan en la próstata y los riñones, no pudieron identificarse porque normalmente no se propagan a los depósitos de líquido en el abdomen y los pulmones, dice Li.

Cuando se probó en unas 500 imágenes, el modelo fue mejor que los patólogos humanos a la hora de predecir el origen de un tumor. Esta mejora fue estadísticamente significativa.

Los investigadores también evaluaron retrospectivamente un subconjunto de 391 participantes del estudio unos cuatro años después de haber recibido tratamiento contra el cáncer. Descubrieron que aquellos que habían recibido tratamiento para el tipo de cáncer que predijo el modelo tenían más probabilidades de haber sobrevivido y vivido más que los participantes para quienes la predicción no coincidía. «Éste es un argumento bastante convincente» para utilizar el modelo de IA en un entorno clínico, afirma Mahmood.

Mahmood ha utilizado anteriormente la IA para predecir el origen de los cánceres a partir de muestras de tejido, y otros equipos han utilizado datos genómicos. Combinar las tres fuentes de datos (células, tejidos y genómica) podría mejorar aún más los resultados para las personas con cánceres metastásicos de orígenes desconocidos.

Una célula de cáncer de mama (coloreada artificialmente) trepa a través de una película de soporte en un experimento de laboratorio. Crédito: Steve Gschmeissner/SPL