Fuente: nocamels.com
Por John Jeffay
Los informáticos logran lo que era “imposible” hace unos años Los investigadores ahora pueden usar IA para extraer información vital de una biopsia de cáncer de mama en segundos en lugar de semanas.
Están aprovechando el poder del aprendizaje profundo para descubrir si una proteína en particular impide que el propio cuerpo del paciente ataque un tumor.
Un equipo de científicos informáticos del Technion – Instituto de Tecnología de Israel, en Haifa, ha logrado lo que se creía imposible hace solo unos años.
Un equipo de científicos informáticos del Technion – Instituto de Tecnología de Israel, en Haifa, ha logrado lo que se creía imposible hace solo unos años.
Han entrenado una computadora para determinar la presencia de PD-L1, una proteína que efectivamente proporciona "protección con contraseña" para el tumor y evita que el sistema inmunitario lo ataque.
Armados con ese conocimiento, los médicos pueden recetar medicamentos de inmunoterapia que pueden descifrar la contraseña y permitir que las defensas del cuerpo se activen.
Los investigadores enseñaron a la IA a identificar PD-L1 mostrándole biopsias de miles de pacientes.
En las pruebas, las redes neuronales, o formas artificiales de "pensar", que desarrollaron pudieron determinar correctamente la presencia de PD-L1 en el 70 por ciento de los casos. En el otro 30 por ciento de los casos, la IA no se equivocó, simplemente no pudo llegar a una conclusión.
Es un gran paso adelante, que en última instancia podría conducir a que las máquinas diagnostiquen a los pacientes, aunque aún no ha alcanzado las tasas de éxito de los patólogos humanos.
Habiendo dicho eso, es mucho más rápido, mucho más barato y tiene el potencial de volverse más consistente y más confiable.
Actualmente, los médicos envían la biopsia o muestra de tejido de un paciente al laboratorio de patología. Una prueba básica que utiliza dos tintes simples, hematoxilina y eosina (conocida como tinción H&E), es suficiente para saber si el paciente tiene cáncer y qué tan avanzado está.
Pero un análisis más profundo de esa biopsia, para establecer la presencia de PD-L1, requiere una tinción mucho más compleja y es un procedimiento largo y complejo. Por lo general, un paciente esperará dos semanas o más para que el laboratorio le dé un sí o un no.
El profesor Ron Kimmel, el Dr. Gil Shamai y Amir Livne, todos trabajando en la Facultad de Ciencias de la Computación Taub de Technion, se dieron cuenta de que la IA puede ofrecer una solución.
Razonaron que puede ser lo suficientemente potente como para ver patrones en la "prueba básica" que le permitirían determinar la presencia de PD-L1 sin las pruebas avanzadas en el laboratorio de patología.
Tenían razón. Saben que funciona porque compararon sus hallazgos con los de patólogos humanos. Saben que está buscando patrones visuales que ningún ser humano podría detectar. Pero como sucede con la llamada "IA de caja negra", no saben lo que son.
"Una pregunta que siempre nos hacen, al menos los médicos, es cómo diablos la IA logró ver eso", le dice el Dr. Shamai a NoCamels.
“Inventamos la IA, la construimos y la hicimos funcionar, y sabemos que está funcionando.
“Conocemos el cálculo exacto, pero el cálculo es complejo y no podemos comprenderlo y entender realmente cómo se hizo la predicción.
“Esto es algo general en la IA avanzada, se considera una caja negra, puede hacer cosas asombrosas, pero no puedes interpretarlas de manera intuitiva”.
Un estudio que detalla su investigación, titulado El análisis de imágenes basado en el aprendizaje profundo predice el estado de PD-L1 a partir de imágenes histopatológicas teñidas con H&E en el cáncer de mama, se publicó recientemente en Nature Communications.
"Este es un logro trascendental", dijo el profesor Kimmel. “Las variaciones que encontró la computadora no son distinguibles para el ojo humano.
“Las células se organizan de manera diferente si presentan PD-L1 o no, pero las diferencias son tan pequeñas que incluso un patólogo capacitado no puede identificarlas con seguridad. Ahora nuestra red neuronal puede”.
La IA analiza un escaneo digital de la biopsia del paciente y da una respuesta casi instantánea.
El equipo lo entrenó con imágenes de biopsias digitales de 3376 pacientes que fueron etiquetados como que expresaban PD-L1 o no.
Luego lo probaron con 275 imágenes que no había visto antes, para evaluar si podía predecir correctamente la presencia de PD-L1. Acertó el 70 por ciento de las veces, y en el 30 por ciento de los casos no pudo decirlo porque no pudo detectar un patrón.
En los casos en los que no estuvo de acuerdo con el patólogo humano, una segunda prueba demostró que la IA tenía razón.
“Hace siete años, a un médico se le ocurrió la idea de que tal vez podamos predecir muchas de estas proteínas aplicando inteligencia artificial a un escaneo digital de la biopsia, con solo la tinción básica”, dijo el Dr. Shamai.
“Parecía una idea loca. Nos dijeron que no se podía hacer, así que, por supuesto, teníamos que demostrar que estaban equivocados”.
Escanear biopsias en lugar de verlas a través de un microscopio es una innovación reciente, al igual que los avances en el aprendizaje profundo. Juntos son lo que hizo posible el avance del equipo.
Pero aún tenían que ubicar suficientes escaneos para enseñar la IA, y enfrentaron numerosos desafíos porque los archivos eran enormes y venían en una variedad de formatos que debían estandarizarse.
“Hemos estado cultivando estos en los últimos tres años. He ampliado esta idea, con colaboraciones con centros médicos y más datos”, dijo el Dr. Shamai.
“Ahora tenemos más médicos, patólogos y oncólogos que nos asesoran. Y ahora tenemos un equipo de alrededor de 19 estudiantes, 12 haciendo su primer grado y más que son estudiantes de maestría o doctorado.
“Tenemos tres desarrolladores que están trabajando con nosotros, tenemos dos estudiantes de la Facultad de Medicina recopilando datos y tenemos muchos más estudios en curso”.
En la actualidad, la prueba se puede utilizar como garantía de calidad para verificar el trabajo de los patólogos humanos, pero el equipo está refinando la tecnología todo el tiempo. El Dr. Shamai cree que, con el tiempo, la FDA podría autorizarlo para su uso como herramienta de diagnóstico.
El profesor Kimmel dijo: “Esperamos que la IA se convierta en una herramienta poderosa en manos de los médicos. La IA puede ayudar a hacer o verificar un diagnóstico, puede ayudar a adaptar el tratamiento al paciente individual, puede ofrecer un pronóstico.
“No creo que pueda, o deba, reemplazar al médico humano. Pero puede hacer que algunos elementos del trabajo de los médicos sean más simples, rápidos y precisos”.
