Inteligencia artificial para analizar miles de muestras patológicas en cada diagnóstico

linkedin
wapp-icon
wapp-icon

 

El proceso de diagnóstico de numerosas enfermedades, particularmente el cáncer, incluye frecuentemente la toma de muestras de células, tejidos u órganos para su análisis en laboratorio. De ello se encarga la Anatomía Patológica, rama de la Medicina que estudia las alteraciones o modificaciones morfológicas que aparecen en esas muestras y que son claves para el diagnóstico de la enfermedad y para conocer la respuesta del organismo y su evolución, además de determinar el potencial beneficio de los tratamientos aplicados.

La creciente cantidad de información patológica que se guarda en archivos hospitalarios es prácticamente inabarcable por medios convencionales.

Pero todo ello ha empezado a cambiar de forma radical gracias a la aplicación de la inteligencia artificial (IA), previa digitalización de las muestras que llegan al laboratorio de Anatomía Patológica, lo que se ha venido a llamar “Patología Computacional”. Esto permite, por ejemplo, comparar la muestra concreta de un paciente con cientos o miles de imágenes de otros casos similares para buscar patrones comunes que ayuden a un diagnóstico más rápido y preciso.

200.000 muestras a un click de distancia

Se trata de un sistema revolucionario que no consiste sólo en cambiar el microscopio por la pantalla del ordenador, sino que implica un salto de la patología digital a la computacional.

Philips IntelliSite Pathology es la tecnología elegida para el proceso de convertir decenas de miles de tejidos en ficheros digitales de alta resolución que, además, están constituyéndose en una base de datos de imagen digital en un entorno virtual.

El nuevo procesamiento de las muestras facilita además la necesaria colaboración entre patólogos, clínicos, expertos en tecnologías de la información e instituciones científicas. Los especialistas pueden trabajar en red, tener acceso en cualquier momento a toda la base de datos de imágenes para consultar casos similares y compartir las imágenes analizadas con otros facultativos de forma inmediata. Un proceso que simplifica la obtención de segundas opiniones, reduce costes y acorta los tiempos de diagnóstico..

Otra aplicación de gran interés es el análisis de biopsias intraoperatorias, es decir, las muestras que extrae el cirujano en plena intervención quirúrgica y cuyo análisis es, por tanto, determinante.

Automatización de diagnósticos

El siguiente salto en este cambio de paradigma será el desarrollo de algoritmos que permitan automatizar el proceso diagnóstico, analizar y comparar imágenes y detectar y reconocer patrones asociados a patologías concretas, ayudando así a una mayor rapidez, precisión, eficacia y calidad en los diagnósticos, mediante procesos de “deep learning” (aprendizaje profundo) de la inteligencia artificial.

 

ABC.ES / Tendencias en Medicina.