BIG DATA

Inteligencia artificial para analizar miles de muestras patológicas en cada diagnóstico

El tradicional banco de muestras conservadas en parafina se transforma en un ingente “big data” anatomopatológico

El proceso de diagnóstico de numerosas enfermedades -y muy particularmente del cáncer- incluye frecuentemente la toma de muestras de células, tejidos u órganos para su análisis en laboratorio. De ello se encarga 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.

Generalmente, las mencionadas muestras de tejido se conservan en parafina y se guardan por tiempo indefinido en los hospitales como parte de la historia clínica del enfermo. Se garantiza así que puedan ser consultadas de nuevo en algún otro proceso del mismo paciente o sus familiares, o bien con fines de investigación . Se trata de un proceso completamente físico, de manera que el acceso a la ingente cantidad de información patológica que guardan esos 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”. De esta forma, el tradicional banco de muestras conservadas en parafina se transforma en un ingente “big data” anatomopatológico. 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 clic 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”, subraya el doctor Pablo Cannata, especialista del servicio de Anatomía Patológica del Hospital Universitario Fundación Jiménez Díaz.

Este conocido hospital madrileño acaba de poner en marcha un ambicioso proyecto de digitalización en red de su servicio de Anatomía Patológica y los de los hospitales universitarios Rey Juan Carlos (Móstoles) e Infanta Elena (Valdemoro) y General de Villalba . En conjunto, los cuatro centros generan una media de 200.000 muestras patológicas cada año correspondientes a unos 100.000 pacientes. Estas cifras dan una idea del alcance y complejidad del proyecto, pero también de los enormes avances diagnósticos que permitirá la gestión integrada de tantos gigas de información digital con ayuda de la inteligencia artificial.

El tradicional banco de muestras conservadas en parafina se transforma en un ingente “big data” anatomopatológico

Philips IntelliSite Pathology es la tecnología elegida para el proceso de convertir esas decenas de miles de tejidos en ficheros digitales de alta resolución que, además, están constituyéndose en una base de datos agregada de los cuatro centros 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 », subraya por su parte el doctor Federico Rojo, jefe del servicio de Anatomía Patológica y director del Biobanco del Instituto de Investigación Sanitaria de la Fundación Jiménez Díaz-Universidad Autónoma de Madrid .

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, perentorio.

Automatización de diagnósticos

El siguiente salto en este cambio de paradigma será el desarrollo de algoritmos que permitan automatizar los diagnósticos mediante procesos de “deep learning” (aprendizaje profundo) de la inteligencia artificial. En palabras del doctor Rojo, el objetivo es “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 nuestros diagnósticos”.

La inteligencia artificial vendría así además al rescate de una ciencia médica que, en paralelo a su creciente demanda en los procesos diagnósticos, adolece de escasez de profesionales. A nivel internacional, el número de especialistas en Anatomía Patológica disminuyó más de un 10 % entre 2008 y 2013, y el 60,7 % de estos expertos tiene en la actualidad más de 55 años.

Comentarios
0
Comparte esta noticia por correo electrónico

*Campos obligatorios

Algunos campos contienen errores

Tu mensaje se ha enviado con éxito

Reporta un error en esta noticia

*Campos obligatorios

Algunos campos contienen errores

Tu mensaje se ha enviado con éxito

Muchas gracias por tu participación