Método astronómico para detección precoz del cáncer de colon

El servicio de Anatomía Patológica del Hospital Universitario de Canarias (HUC) y el Instituto de Astrofísica de Canarias (IAC) colaboran para adaptar métodos de investigación astronómica a la detección precoz de cáncer de colon, ha informado este lunes el IAC.

Se trata del proyecto «Patología-IA» en el que se desarrolla una herramienta informática que permita adaptar métodos utilizados por la astronomía a imágenes digitalizadas de muestras humanas.

Aunque el objetivo es acelerar la interpretación de los resultados y el diagnóstico del cáncer colorrectal, también se prevé que pueda utilizarse en medicina personalizada de precisión orientada a otros tipos de cáncer, informa el IAC.

El cáncer colorrectal es uno de los más agresivos y el más frecuentemente diagnosticado en España en 2021; su detección precoz es crítica y por ello se toman muestras de manera sistemática, pero la interpretación de los resultados es lenta y compleja.

Los análisis se realizan manualmente por patólogos expertos con más de diez años de formación, lo que conlleva una importante cantidad de tiempo y limita el ritmo de los diagnósticos. La escasez de patólogos para estudiar el gran número de muestras generadas, y la necesidad de priorizar las más importantes, motivó que el servicio de Anatomía Patológica del HUC contactara con el IAC, donde existe un grupo especializado en la aplicación de métodos de inteligencia artificial a imágenes astronómicas, agrega la nota del instituto científico.

Explica el IAC que un problema inicial es el enorme tamaño de las imágenes digitalizadas de las muestras humanas, con cientos de millones de píxeles, equivalentes a más de una decena de televisiones de alta definición.

Las imágenes típicas provenientes de prospecciones astronómicas suelen ser de menor tamaño, aunque muy numerosas, y un problema común a la astrofísica y al diagnóstico de patologías es la falta de imágenes ya clasificadas, puesto que conlleva un ingente trabajo manual de expertos.

El IAC señala que por la disponibilidad de los métodos, códigos e incluso los datos de entrenamiento de trabajos publicados, se ha logrado desarrollar un modelo de inteligencia artificial basado en la técnica del «maestro medio».

En esta técnica se combinan dos redes neuronales idénticas y muy profundas, de forma que una hace de «estudiante» y con pocas imágenes etiquetadas va aprendiendo las características para detectar tumores, y la otra red hace de «maestro» y recibe parte de la información del alumno y clasifica las imágenes sin etiquetar.

Las explicaciones del IAC indican que en el primer intento el resultado es aleatorio, pero de manera interactiva, ciclo tras ciclo, mejora sus predicciones y, como las imágenes originales son demasiado grandes, se dividen en miles de segmentos más manejables.