Nueva herramienta de IA para el diagnóstico de tumores cerebrales
Un algoritmo de aprendizaje profundo que puede detectar y evaluar automáticamente tumores cerebrales en PET
Un equipo del Forschungszentrum Jülich ha desarrollado un algoritmo de aprendizaje profundo capaz de detectar y evaluar automáticamente tumores cerebrales en exploraciones PET. En una fracción del tiempo, la IA consigue resultados comparables a los de un médico experimentado, según informa el equipo en la revista Journal of Nuclear Medicine.
En el diagnóstico inicial y durante el tratamiento, es importante determinar la extensión y el volumen de un tumor cerebral con la mayor precisión posible. ¿Puede operarse el tumor? ¿Responde al tratamiento o sigue creciendo? El método de elección es inicialmente la resonancia magnética (RM), ya que detecta con precisión los cambios estructurales. Sin embargo, las anomalías estructurales no reflejan necesariamente la extensión real del tumor. En muchos casos, una variante de la tomografía por emisión de positrones (PET) proporciona resultados que difieren de los de la RM, como han demostrado algunos estudios. Sin embargo, la evaluación de los escáneres PET en términos de extensión tumoral lleva mucho tiempo, por lo que apenas se realiza de forma rutinaria en la clínica. El equipo dirigido por Philipp Lohmann, jefe del estudio, del Instituto de Neurociencia y Medicina (INM-4) del Forschungszentrum Jülich ha desarrollado un nuevo algoritmo de aprendizaje profundo que detecta automáticamente los tumores en los datos de PET y determina su volumen. Esto hace que el análisis sea mucho más rápido manteniendo la calidad de los resultados. "La herramienta de IA que hemos desarrollado podría ayudar a los profesionales médicos a obtener información de diagnóstico importante que rara vez ha estado disponible hasta ahora", dice Lohmann.
La PET utiliza biomoléculas marcadas radiactivamente para hacer visibles determinados procesos metabólicos. Los aminoácidos marcados radiactivamente han demostrado ser especialmente útiles para obtener imágenes de tumores cerebrales. Las células cancerosas, que crecen rápidamente, absorben los aminoácidos mucho más rápido que las células cerebrales sanas. "En las imágenes PET, los aminoácidos enriquecidos muestran a menudo una extensión tumoral diferente o mayor que con la resonancia magnética", explica Lohmann. En este contexto, los expertos hablan del llamado volumen tumoral metabólico, porque el método de medición se basa en los procesos metabólicos de las células. Durante la evaluación, sin embargo, el médico tiene que determinar los contornos del tumor en varias docenas de imágenes de cortes de un escáner PET. "Eso cuesta mucho tiempo, por lo que el método rara vez se lleva a cabo en la práctica clínica, a pesar de su alto valor informativo", sabe Lohmann.
Para cambiar esto, los investigadores de Jülich, Heidelberg y Colonia desarrollaron un algoritmo de aprendizaje profundo llamado "JuST BrainPET" (Juelich Segmentation Tool for Brain Tumour PET), que evalúa imágenes PET de aminoácidos de forma totalmente automática con respecto al volumen tumoral metabólico. El algoritmo se entrenó con 476 conjuntos de datos PET y luego se probó con 223, todos ellos generados durante un diagnóstico inicial o durante exámenes de seguimiento de un total de 555 pacientes con tumores cerebrales. La información sobre el volumen tumoral asociado procedía de los análisis de médicos expertos en medicina nuclear.
"Nuestra IA también ha aprendido a distinguir el tumor de otras estructuras que, por razones fisiológicas, también absorben más aminoácidos, como los vasos sanguíneos o el tejido muscular", explica Robin Gutsche, estudiante de doctorado en el INM-4 y primer autor del estudio, que participó activamente en el desarrollo del algoritmo de IA. "Esto funciona incluso cuando los tumores están directamente adyacentes a estas estructuras". En pocos minutos, el algoritmo detecta el tumor y determina el volumen tumoral metabólico. Los resultados concuerdan muy bien con los valores determinados por los expertos.
Los investigadores también probaron la utilidad clínica del algoritmo haciendo que evaluara el éxito del tratamiento de quimioterapia en pacientes con gliomas. "Aquí, el objetivo era responder a preguntas como: ¿En qué medida responde un paciente a una terapia o cuál es su pronóstico?", explica Lohmann. "Pudimos demostrar que la IA realiza la evaluación clínica igual de bien que un especialista, pero en una fracción del tiempo". Sin embargo, la IA no debe sustituir al médico, sino apoyarle, subraya.
Además, el nuevo enfoque de la IA podría utilizarse para estandarizar mejor la evaluación de las mediciones PET y hacer que los resultados sean más comparables entre diferentes clínicas e instituciones. "Esperamos que nuestro algoritmo anime a los médicos tratantes de los centros de neurooncología a utilizar la PET con aminoácidos con más frecuencia con sus pacientes, aunque tengan poca experiencia con el método", afirma Lohmann. JuST_BrainPET está disponible de forma gratuita en la plataforma Github.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Alemán se puede encontrar aquí.
Publicación original
Reciba la industria de las ciencias biológicas en su bandeja de entrada
No se pierda nada a partir de ahora: Nuestro boletín electrónico de biotecnología, productos farmacéuticos y ciencias de la vida le pone al día todos los martes y jueves. Las últimas noticias del sector, los productos más destacados y las innovaciones, de forma compacta y fácil de entender en su bandeja de entrada. Investigado por nosotros para que usted no tenga que hacerlo.
