NIH, la inteligencia artificial acelera el diagnóstico de tumor cerebral

Leyenda: La inteligencia artificial acelera el diagnóstico de tumores cerebrales. Arriba, el médico revisa la muestra de tumor digitalizada en la sala de operaciones; a la izquierda, el programa de IA predice el diagnóstico; a la derecha, los cirujanos revisan los resultados casi en tiempo real. Crédito: Joe Hallisy, Michigan Medicine, Ann Arbor

NIH ,La inteligencia artificial acelera el diagnóstico de tumor cerebral

Publicado en por el 

Las computadoras ahora están siendo entrenadas para “ver” los patrones de enfermedad a menudo ocultos en nuestras células y tejidos. Ahora llega la noticia de otro uso notable de la inteligencia artificial (IA) generada por computadora: proporcionar rápidamente a los neurocirujanos información valiosa y en tiempo real sobre qué tipo de tumor cerebral está presente, mientras el paciente aún está en la mesa de operaciones.

Este último avance proviene de un ensayo clínico financiado por los NIH de 278 pacientes sometidos a cirugía cerebral. Los investigadores descubrieron que podían tomar una pequeña biopsia de tumor durante la cirugía, alimentarla a una computadora capacitada en la sala de operaciones y recibir un diagnóstico que rivaliza con la precisión de un patólogo experto.la inteligencia artificial acelera el diagnóstico de tumor cerebral

Tradicionalmente, enviar una biopsia a un patólogo experto y recuperar un diagnóstico de manera óptima lleva unos 40 minutos. Pero la computadora puede hacerlo en el quirófano en promedio en menos de 3 minutos. El tiempo ahorrado ayuda a informar a los cirujanos cómo proceder con su delicada cirugía y a tomar decisiones de tratamiento inmediatas y potencialmente vitales para ayudar a sus pacientes.

Como se informó en Nature Medicine , los investigadores liderados por Daniel Orringer, NYU Langone Health, Nueva York, y Todd Hollon, de la Universidad de Michigan, Ann Arbor, aprovecharon la IA y otro avance tecnológico llamado histología Raman estimulada (SSR). Esta última es una técnica de imagen clínica emergente que permite generar imágenes detalladas de una muestra de tejido sin los pasos de procesamiento habituales.

La técnica SRH comienza haciendo rebotar la luz láser rápidamente a través de una muestra de tejido. Esta luz permite que un microscopio de fibra óptica cercano capture los detalles celulares y estructurales dentro de la muestra. Sorprendentemente, lo hace al detectar diferencias sutiles en la forma en que los lípidos, las proteínas y los ácidos nucleicos vibran cuando se exponen a la luz.

Luego, utilizando un programa de coloración virtual, el microscopio se une rápidamente y colorea los detalles estructurales finos, píxel por píxel. El resultado: una imagen detallada de alta resolución que puede esperar de un laboratorio de patología, menos la tinción de las células, el montaje de los portaobjetos y los otros procedimientos de procesamiento que requieren mucho tiempo.

Para interpretar las imágenes de SSR, los investigadores recurrieron a las computadoras y al aprendizaje automático. Para enseñar a una computadora, debe alimentarse con grandes conjuntos de datos de ejemplos para aprender a realizar una tarea determinada. En este caso, utilizaron una clase especial de aprendizaje automático llamada redes neuronales profundas, o aprendizaje profundo. Está inspirado en la forma en que las redes neuronales en el cerebro humano procesan la información.    la inteligencia artificial acelera el diagnóstico de tumor cerebral

En el aprendizaje profundo, las computadoras buscan patrones en grandes colecciones de datos. A medida que comienzan a reconocer relaciones complejas, algunas conexiones en la red se fortalecen mientras que otras se debilitan. La red terminada generalmente se compone de múltiples capas de procesamiento de información, que operan sobre los datos para devolver un resultado, en este caso un diagnóstico de tumor cerebral.

El equipo entrenó a la computadora para clasificar las muestras de tejidos en una de las 13 categorías comúnmente encontradas en una muestra de tumor cerebral. Esas categorías incluyeron los tumores cerebrales más comunes: glioma maligno, linfoma, tumores metastásicos y meningioma. La capacitación se basó en más de 2.5 millones de imágenes etiquetadas que representan muestras de 415 pacientes.

Luego, ponen la máquina a prueba. Los investigadores dividieron cada una de las 278 muestras de tejido cerebral en dos muestras. Uno fue enviado a un laboratorio de patología convencional para preparación y diagnóstico. El otro fue fotografiado con SRH, y luego la máquina entrenada hizo un diagnóstico.

En general, el rendimiento de la máquina fue bastante impresionante, devolviendo la respuesta correcta aproximadamente el 95 por ciento del tiempo. Eso se compara con una precisión del 94 por ciento para la patología convencional.

Curiosamente, la máquina hizo un diagnóstico correcto en los 17 casos en que un patólogo se equivocó. Del mismo modo, el patólogo obtuvo la respuesta correcta en los 14 casos en que la máquina se resbaló.

Los resultados muestran que la combinación de SSR e IA puede usarse para hacer predicciones en tiempo real del diagnóstico de tumor cerebral de un paciente para informar la toma de decisiones quirúrgicas. Eso puede ser especialmente importante en lugares donde los neuropatólogos expertos son difíciles de encontrar.

En última instancia, los investigadores sugieren que la IA puede proporcionar información aún más útil sobre las alteraciones moleculares subyacentes de un tumor, agregando una precisión cada vez mayor al diagnóstico. También es probable que enfoques similares funcionen para proporcionar información oportuna a los cirujanos que operan en pacientes con otros tipos de cáncer, incluidos los de piel y mama. El equipo de investigación ha hecho un breve video.  para darle una visión más detallada de la nueva línea automatizada de tejido a diagnóstico.    inteligencia artificial acelera el diagnóstico de tumor cerebral

Referencia :

[1] Diagnóstico de tumor cerebral intraoperatorio casi en tiempo real usando histología Raman estimulada y redes neuronales profundas . Hollon TC, Pandian B, Adapa AR, Urias E, Save AV, Khalsa SSS, Eichberg DG, D’Amico RS, Farooq ZU, Lewis S, Petridis PD, Marie T, Shah AH, Garton HJL, Maher CO, Heth JA, McKean EL, Sullivan SE, Hervey-Jumper SL, Patil PG, Thompson BG, Sagher O, McKhann GM 2nd, Komotar RJ, Ivan ME, Snuderl M, Otten ML, Johnson TD, Sisti MB, Bruce JN, Muraszko KM, Trautman J , Freudiger CW, Canoll P, Lee H, Camelo-Piragua S, Orringer DA. Nat Med. 2020 6 de enero.

Enlaces :

Video: Inteligencia artificial: recopilación de datos para maximizar el potencial (NIH)

Daniel Orringer  (NYU Langone, Perlmutter Cancer Center, Nueva York)

Todd Hollon  (Universidad de Michigan, Ann Arbor)

Apoyo de los NIH: Instituto Nacional del Cáncer

Texto original ingles; https://directorsblog.nih.gov/2020/01/14/artificial-intelligence-speeds-brain-tumor-diagnosis/

Otros reportajes NUVE:

NIH , Neurociencia 3D a la velocidad de la vida

NIH , Dos medicamentos reducen el riesgo de muerte por ébola

 

More from Lucio Villalba

Quiero que los robots faciliten nuestro trabajo, no que nos condenen a trabajos precarios

Quiero que los robots faciliten nuestro trabajo, no que nos condenen a...
Ver publicación