Inteligencia artificial encuentra patrones de mutaciones y supervivencia en imágenes de tumores
Un mosaico de imágenes microscópicas de tumores que forman moléculas de ADN rotas. Crédito: Yu Fu, Moritz Gerstung, Spencer Phillips/EMBL
Investigadores del Instituto Europeo de Bioinformática (EMBL-EBI) del EMBL, el Instituto Wellcome Sanger, el Hospital Addenbrooke en Cambridge, Reino Unido, y colaboradores han desarrollado un algoritmo de inteligencia artificial (IA) que utiliza la visión artificial para analizar muestras de tejido de pacientes con cáncer. Han demostrado que el algoritmo puede distinguir entre tejidos sanos y cancerosos, y también puede identificar patrones de más de 160 cambios de ADN y miles de ARN en tumores. El estudio, publicado hoy en Nature Cancer, destaca el potencial de la IA para mejorar el diagnóstico, el pronóstico y el tratamiento del cáncer.
El diagnóstico y el pronóstico del cáncer se basan en gran medida en dos enfoques principales. En uno, los histopatólogos examinan la apariencia del tejido canceroso bajo el microscopio. En el otro, los genetistas del cáncer analizan los cambios que se producen en el código genético de las células cancerosas. Ambos enfoques son esenciales para comprender y tratar el cáncer, pero rara vez se usan juntos.
«Los médicos usan portaobjetos de microscopía para el diagnóstico del cáncer todo el tiempo. Sin embargo, aún no se ha desbloqueado todo el potencial de estos portaobjetos. A medida que avanza la visión por computadora, podemos analizar imágenes digitales de estas diapositivas para comprender lo que sucede a nivel molecular», dice Yu Fu, becario postdoctoral en el Grupo Gerstung en EMBL-EBI.
Los algoritmos de visión por computadora son una forma de inteligencia artificial que puede reconocer ciertas características en las imágenes. Fu y sus colegas reutilizaron un algoritmo de este tipo desarrollado por Google que originalmente se usaba para clasificar objetos cotidianos como limones, gafas de sol y radiadores para distinguir varios tipos de cáncer del tejido sano. Demostraron que este algoritmo también se puede usar para predecir la supervivencia e incluso patrones de cambios en el ADN y el ARN a partir de imágenes de tejido tumoral.
Algoritmos de enseñanza para detectar cambios moleculares
Estudios anteriores han usado métodos similares para analizar imágenes de uno o unos pocos tipos de cáncer con alteraciones moleculares seleccionadas. Sin embargo, Fu y sus colegas generalizaron el enfoque en una escala sin precedentes: entrenaron el algoritmo con más de 17 000 imágenes de 28 tipos de cáncer recopilados para The Cancer Genome Atlas y estudiaron todas las alteraciones genómicas conocidas.
«¿Qué es bastante notable es que nuestro algoritmo puede vincular automáticamente la apariencia histológica de casi cualquier tumor con un conjunto muy amplio de características moleculares y con la supervivencia del paciente», explica Moritz Gerstung, líder de grupo en EMBL-EBI.
En general , su algoritmo fue capaz de detectar patrones de 167 mutaciones diferentes y miles de cambios en la actividad de los genes. Estos hallazgos muestran en detalle cómo las mutaciones genéticas alteran la apariencia de las células y los tejidos tumorales.
Otro grupo de investigación ha validado de forma independiente estos resultados con un algoritmo de IA similar aplicado a imágenes de ocho tipos de cáncer. Su estudio se publicó en la misma edición de Nature Cancer.
Una herramienta potencial para la medicina personalizada
La integración de datos moleculares e histopatológicos proporciona una imagen más clara del perfil de un tumor. Detectar las características moleculares, la composición celular y la supervivencia asociadas con tumores individuales ayudaría a los médicos a adaptar los tratamientos apropiados a las necesidades de sus pacientes.
«Desde el punto de vista de un médico, estos hallazgos son increíblemente emocionantes. Nuestro trabajo muestra cómo se podría utilizar la inteligencia artificial en la práctica clínica», explica Luiza Moore, científica clínica y patóloga del Instituto Wellcome Sanger y el Hospital Addenbrooke. «Mientras que el número de casos de cáncer está aumentando en todo el mundo, el número de patólogos está disminuyendo. Al mismo tiempo, nos esforzamos por alejarnos del enfoque de ‘talla única’ y pasar a la medicina personalizada. Una combinación de patología digital e inteligencia artificial potencialmente puede aliviar esas presiones y mejorar nuestra práctica y atención al paciente».
Las tecnologías de secuenciación han impulsado la genómica a la vanguardia de la investigación del cáncer, sin embargo, estas tecnologías siguen siendo inaccesibles para la mayoría de las clínicas en todo el mundo. Una posible alternativa a la secuenciación directa sería usar IA para emular un análisis genómico utilizando datos que son más baratos de recopilar, como portaobjetos de microscopía.
«Obtener toda esa información de imágenes estándar de tumores de una manera completamente automática es revolucionario», dice Alexander Jung, Ph.D. estudiante en EMBL-EBI. «Este estudio muestra lo que podría ser posible en los próximos años, pero estos algoritmos deberán refinarse antes de la implementación clínica».
Explore más
La inteligencia artificial identifica el cáncer de próstata con una precisión casi perfecta Más información: Yu Fu et al. La histopatología computacional pancancerosa revela mutaciones, composición tumoral y pronóstico, Nature Cancer (2020). DOI: 10.1038/s43018-020-0085-8 Información de la revista: Nature Cancer
Proporcionado por el Laboratorio Europeo de Biología Molecular – Instituto Europeo de Bioinformática Cita: La inteligencia artificial encuentra patrones de mutaciones y supervivencia en imágenes tumorales (28 de julio de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-07-artificial-intelligence-patterns-mutations-survival.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.