Un nuevo sistema de inteligencia artificial que examina la forma y estructura de las células sanguíneas podría mejorar significativamente el diagnóstico de enfermedades como la leucemia. Los investigadores dicen que la herramienta puede identificar células anormales con mayor precisión y consistencia que los expertos humanos, lo que potencialmente reduce los diagnósticos perdidos o inciertos.
El sistema, conocido como Cytodiffusion, se basa en IA generativa, la misma tecnología utilizada en generadores de imágenes como el DALL-E, para analizar en detalle la presencia de células sanguíneas. En lugar de centrarse únicamente en patrones obvios, estudia variaciones sutiles en el aspecto de las células bajo el microscopio.
Más allá del reconocimiento de patrones
Muchas herramientas de IA médica existentes están entrenadas para clasificar imágenes en categorías predefinidas. Por el contrario, el equipo detrás de Cytodiffusion ha demostrado que su enfoque puede reconocer toda la gama de apariencias de células sanguíneas normales e identificar de manera confiable células raras o anormales que pueden indicar una enfermedad. El trabajo fue realizado por investigadores de la Universidad de Cambridge, el University College London y la Universidad Queen Mary de Londres, y los resultados se publicaron en Nature Machine Intelligence.
Identificar pequeñas diferencias en el tamaño, la forma y la composición de las células sanguíneas es fundamental para el diagnóstico de muchos trastornos sanguíneos. Sin embargo, aprender a hacerlo bien puede requerir años de experiencia, e incluso los médicos altamente capacitados pueden no estar de acuerdo al revisar casos complejos.
“Todos tenemos diferentes tipos de células sanguíneas que tienen diferentes propiedades y diferentes funciones en nuestro cuerpo”, dijo Simon Deltadahl, del Departamento de Matemáticas Aplicadas y Física Teórica de Cambridge, primer autor del estudio. “Por ejemplo, los glóbulos blancos se especializan en combatir infecciones. Pero saber cómo se ve una célula sanguínea anormal o enferma bajo un microscopio es una parte importante del diagnóstico de muchas enfermedades”.
Administración de básculas de análisis de sangre.
Un frotis de sangre estándar puede contener miles de células individuales, muchas más de las que una persona puede examinar individualmente de manera realista. “La gente no puede ver todas las células en un frotis; no es posible”, dijo Deltadahl. “Nuestro modelo puede automatizar ese proceso, clasificar casos de rutina y resaltar cualquier cosa inusual para la revisión humana”.
Este desafío es familiar para los médicos. “Uno de los desafíos clínicos que enfrenté como médico junior en hematología fue que después de un día de trabajo, tenía que analizar muchas extensiones de sangre”, dijo el coautor principal, el Dr. Sutesh Sivapalaratnam, de la Universidad Queen Mary de Londres. “Mientras los analizaba al final, estaba convencido de que la IA funcionaría mejor que yo”.
Entrenamiento en un conjunto de datos sin precedentes
Para crear citodifusión, los investigadores se entrenaron con más de medio millón de imágenes de frotis de sangre recolectadas en el Hospital Addenbrooke en Cambridge. El conjunto de datos, descrito como el más grande de su tipo, incluye tipos de células sanguíneas comunes, ejemplos raros y características que a menudo confunden a los sistemas automatizados.
En lugar de aprender a separar las células en categorías específicas, la IA modela toda la gama de formas en que pueden aparecer las células sanguíneas. Esto hace que la diferenciación entre hospitales, microscopios y técnicas de tinción sea más sólida, al tiempo que mejora la capacidad de identificar células raras o anormales.
Detectar la leucemia con mayor confianza
Cuando se prueba, la citodifusión detecta células anormales asociadas con la leucemia con mucha mayor sensibilidad que los sistemas existentes. Funcionó tan bien o mejor que los principales modelos actuales, incluso cuando se entrenó con muchos menos ejemplos, y pudo medir su confianza en sus propias predicciones.
“Cuando probamos su precisión, el sistema era ligeramente mejor que los humanos”, dijo Deltadahl. “Pero en realidad se trataba de saber dónde estaba cuando era incierto. Nuestro modelo nunca diría que era seguro y luego se equivocaría, pero eso es algo que la gente hace a veces”.
El coautor principal, el profesor Michael Roberts, del Departamento de Matemáticas Aplicadas y Física Teórica de Cambridge, dijo que el sistema fue evaluado frente a los desafíos del mundo real que enfrenta la IA médica. “Evaluamos nuestro enfoque frente a muchos desafíos observados en la IA del mundo real, como imágenes nunca antes vistas, imágenes capturadas por diferentes máquinas y niveles de incertidumbre en las etiquetas”, dijo. “Este marco proporciona una visión multifacética del rendimiento del modelo que creemos será beneficiosa para los investigadores”.
Cuando las imágenes de IA engañan a los expertos humanos
El equipo también descubrió que la citodifusión puede producir imágenes sintéticas de células sanguíneas que son indistinguibles de las reales. En una ‘prueba de Turing’ en la que participaron diez hematólogos experimentados, los expertos no obtuvieron mejores resultados que el azar para transmitir imágenes reales sin imágenes generadas por IA.
“Realmente me sorprendió”, dijo Deltadahl. “Estas son personas que miran fijamente las células sanguíneas todo el día y ni siquiera pueden notarlo”.
Datos abiertos en la comunidad de investigación global
Como parte del proyecto, los investigadores están publicando lo que describen como la colección de imágenes de frotis de sangre periférica disponible públicamente más grande del mundo, con un total de más de medio millón de muestras.
“Al abrir este recurso, esperamos permitir a los investigadores de todo el mundo desarrollar y probar nuevos modelos de IA, democratizar el acceso a datos médicos de alta calidad y, en última instancia, contribuir a mejorar la atención al paciente”, afirmó Deltadahl.
Apoyar, no reemplazar, al médico
A pesar de los sólidos resultados, los investigadores enfatizan que la citodifusión no pretende reemplazar a los médicos capacitados. En cambio, está diseñado para ayudar a los médicos marcando rápidamente los casos y procesando automáticamente muestras de rutina.
“El valor real de la IA sanitaria no radica en lograr una experiencia humana aproximada a bajo costo, sino en permitir mayores capacidades de diagnóstico, pronóstico y prescripción que las que pueden lograr los modelos estadísticos simples o expertos”, dijo el coautor principal, el profesor Parshkaev Nachev de la UCL. “Nuestro trabajo sugiere que la IA generativa será fundamental para esta misión, transformando no sólo la fidelidad de los sistemas de apoyo clínico sino también sus conocimientos sobre los límites de su propio conocimiento. Esta conciencia ‘metacognitiva’ (saber lo que uno no sabe) es fundamental para la toma de decisiones clínicas, y aquí mostramos que las máquinas pueden ser mejores que nosotros”.
El equipo señala que se necesita investigación adicional para acelerar el sistema y validar su eficacia en poblaciones de pacientes más diversas para garantizar la precisión y la equidad.
La investigación recibió el apoyo de Trinity Challenge, Wellcome, British Heart Foundation, Cambridge University Hospitals NHS Trust, Barts Health NHS Trust, NIHR Cambridge Biomedical Research Center, NIHR UCLH Biomedical Research Center y NHS Blood and Transplant. El trabajo fue realizado por el Grupo de Trabajo de Imágenes dentro del Blood Count! Consorcio, que tiene como objetivo mejorar el diagnóstico sanguíneo global utilizando IA. Simon Deltadahl es miembro del Lucy Cavendish College de Cambridge.
