La inteligencia artificial (IA) está impulsando rápidamente la oncología digital. Las pruebas de biomarcadores digitales pueden ayudar a los médicos a tomar decisiones informadas y personalizadas en el tratamiento del cáncer. Sin embargo, en 2023, todavía hay pocos productos de este tipo en el mercado que se hayan utilizado de forma madura a gran escala.
Un informe de consenso en el que participan 24 expertos con experiencia de primera mano en patología computacional/patología de IA (CPath/AI) dice que la IA mejorará la precisión del diagnóstico y cambiará significativamente las tareas diarias de los técnicos de patología. Para 2030, la IA se utilizará de forma rutinaria y eficaz en los laboratorios de patología.
Dos estudios independientes publicados recientemente en eBiomedicine y The Lancet Digital Health, una revista subsidiaria de The Lancet, analizaron respectivamente: la importancia pronóstica de un sistema de puntuación de linfocitos infiltrantes de tumores (TIL, que pueden usarse como objetivo farmacológico para el tratamiento del cáncer) basado en aprendizaje profundo en diferentes etapas del melanoma (un cáncer de piel); y el valor de utilizar la IA como lector independiente en el flujo de trabajo de mamografía.
Dos estudios sobre diferentes cánceres
El primer estudio fue completado conjuntamente por investigadores del Departamento de Dermatología de la Universidad de Tubinga en Alemania, el Departamento de Dermatología de la Universidad de Heidelberg en Alemania y el Departamento de Patología de la Facultad de Medicina de la Universidad de Yale en Estados Unidos. En el estudio, los investigadores utilizaron el algoritmo de aprendizaje profundo NN192, un algoritmo desarrollado para el sistema de puntuación de TIL estándar y digital "eTIL", para analizar 321 muestras de melanoma primario y 191 muestras metastásicas.
Los investigadores encontraron que los pacientes con melanoma con puntuaciones bajas de eTIL tenían más del doble de riesgo de desarrollar metástasis a distancia de su tejido canceroso que los pacientes con puntuaciones altas de eTIL. Al mismo tiempo, las puntuaciones de eTIL disminuyeron entre las muestras de melanoma primario y metástasis. Los pacientes con una puntuación de eTIL ≤12,2 % que también recibieron inmunoterapia anti-PD-1 tuvieron malos resultados de supervivencia. Esto demuestra que los eTIL predicen muestras de melanoma primario y que los eTIL pueden predecir los resultados de respuesta y supervivencia en pacientes que reciben terapia PD-1.
Al respecto, Roberto Salgado, copresidente del Grupo de Trabajo Internacional de Biomarcadores de Inmuno-Oncología, dijo que la cuantificación precisa de las células inmunes implica información pronóstica y predictiva y es importante para las vías clínicas y los planes de tratamiento personalizados. Además, los resultados de la evaluación por computadora son mucho más precisos que los de la evaluación manual.
El segundo estudio fue realizado por Karin Dembrower y su equipo en el Departamento de Patología Oncológica del Instituto Karolinska y el Hospital Capio Sankt Göran en Suecia.
En este estudio, el equipo de investigación incluyó a 55,581 mujeres de entre 40 y 74 años con implantes mamarios sin relleno según las pruebas de detección periódicas de cáncer de mama en el Hospital Capio Sankt Göran del 1 de abril de 2021 al 9 de junio de 2022. El estudio siguió las Directrices Nacionales Suecas de detección de formato de mamografía, en las que dos radiólogos evaluaron de forma independiente la mamografía de cada participante y, en caso de una lectura anormal por parte de cualquiera de ellos, se llevó a cabo una discusión de consenso para decidir. si se debe proceder con más imágenes. Si aún se sospecha que el paciente tiene cáncer, se obtiene una muestra de biopsia, que es analizada por un patólogo y se hace un diagnóstico definitivo.
En el estudio, InsightMMG (un sistema de inteligencia artificial) se ejecutó como un lector independiente en segundo plano mientras dos radiólogos leían las imágenes. Los radiólogos no pudieron acceder a InsightMMG para obtener información antes de la discusión de consenso, durante la cual los radiólogos tuvieron acceso a la información de InsightMMG para todos los casos, incluidos los hallazgos de imágenes locales, los contornos gráficos y las puntuaciones de anomalías de la IA correspondientes.
El equipo de investigación llevó a cabo cuatro estrategias de lectura y examinó los resultados de diagnóstico reales de la lectura doble realizada por dos radiólogos (situación estándar), la lectura doble realizada por un radiólogo y el sistema de IA, la lectura única realizada por el sistema de IA y la tercera lectura realizada por dos radiólogos y el sistema de IA. Los resultados mostraron que, en comparación con la situación estándar, la tasa de detección de cáncer por lectura doble realizada por un radiólogo y el sistema de inteligencia artificial aumentó un 4%, y la tasa de recuperación disminuyó un 4%; la tasa de detección de cáncer para una sola lectura realizada por el sistema de IA no tuvo diferencias significativas y la tasa de recuperación disminuyó en un 47%; la tasa de detección de cáncer por parte de dos radiólogos y el sistema de inteligencia artificial para la tercera lectura aumentaron ligeramente, la tasa de recuperación aumentó en un 5% y las discusiones de consenso aumentaron en casi un 50%.
El equipo de investigación dijo que los sistemas de inteligencia artificial y los humanos considerarán ciertas características diferentes de las imágenes como cáncer sospechoso al leer imágenes, por lo que la sinergia de los humanos y los sistemas de inteligencia artificial puede mejorar la tasa de detección de cáncer de mama en mamografías. La lectura única del sistema de IA minimiza la carga psicológica de los participantes causada por múltiples exámenes, pero significa que una gran proporción de mamografías nunca son evaluadas por un médico. Dos radiólogos y la tercera lectura del sistema de IA pueden detectar el cáncer en mayor medida, pero esto debe sopesarse con cuestiones como el aumento de los costos de detección y la escasez de radiólogos.
El mercado aún necesita seguir desarrollándose
Roberto Salgado dijo que las pruebas de biomarcadores digitales pueden ayudar a los médicos a tomar decisiones informadas y personalizadas en el tratamiento del cáncer. Sin embargo, en 2023, todavía hay pocos productos de este tipo en el mercado que se hayan utilizado de forma madura a gran escala.
El 7 de septiembre, hora local, Paige.AI, un desarrollador estadounidense de tecnología de diagnóstico del cáncer, anunció que cooperaría con la empresa de tecnología estadounidense Microsoft (Microsoft) para construir el modelo de inteligencia artificial basado en imágenes más grande del mundo y aplicarlo al desarrollo de patología y oncología digitales.
Casualmente, el 11 de septiembre, hora local, la empresa de tecnología estadounidense Dell (DELL) y el Centro de Investigación del Cáncer Digital de la Universidad de Limerick en Irlanda desarrollaron conjuntamente una plataforma de inteligencia artificial y tecnología de gemelos digitales para promover la investigación de predicción y diagnóstico del linfoma de células B.
"Este es un comienzo muy emocionante y esperamos contar con el soporte digital del equipo de Dell Technologies para acelerar este proyecto". Paul Murray, profesor de patología molecular de la Universidad de Limerick y director científico de la Unidad de Patología Digital del Centro de Investigación del Cáncer Digital, afirmó: "Al trabajar con el equipo de Dell Technologies, podremos comprender mejor cómo las células funcionan mal durante el desarrollo del cáncer y encontrar nuevas formas de diagnosticar y tratar a los pacientes con cáncer".