Un programa informático impulsado por inteligencia artificial basado en datos de casi medio millón de imágenes de tejidos puede diagnosticar con precisión casos de adenocarcinoma, la forma más común de cáncer de pulmón, sugiere un nuevo estudio.
El programa fue desarrollado y probado por investigadores del Centro Oncológico Perlmutter de NYU Langone Health y la Universidad de Glasgow. Debido a que incluye las características estructurales de los tumores de 452 pacientes con adenocarcinoma, entre más de 11.000 pacientes en el Atlas del Genoma del Cáncer del Instituto Nacional del Cáncer de Estados Unidos, el programa es útil para pacientes y oncólogos, dicen. Proporciona una segunda opinión imparcial, detallada y confiable. para Sobre la presencia de cáncer y la probabilidad y el momento de su reaparición.
El equipo de investigación también señala que el programa es independiente y “autodidacta”, lo que significa que determinó por sí solo qué características estructurales eran estadísticamente más importantes para predecir la gravedad de la enfermedad y la recurrencia del tumor fue la más afectada.
Publicación en revista Comunicaciones de la naturaleza En línea el 11 de junio, se descubrió que el programa de estudio, también conocido como algoritmo, o más específicamente, aprendizaje de fenotipo histomorfológico (HPL), distingue con precisión entre cánceres de pulmón, adenocarcinoma y cánceres de células escamosas similares, el 99% de las veces. Se encontró que el programa HPL tenía una precisión del 72 por ciento en la predicción de la probabilidad y el momento de reaparición del cáncer después de la terapia, mejorando la precisión del 64 por ciento con respecto a las predicciones hechas por los patólogos, dijeron los investigadores que examinaron directamente imágenes de tumores de los mismos pacientes.
“Nuestro nuevo programa de aprendizaje de fenotipo histomorfológico tiene el potencial de ofrecer a los oncólogos y a sus pacientes una herramienta de diagnóstico rápida e imparcial para el adenocarcinoma de pulmón que, una vez que se completen más pruebas, puede guiar su tratamiento. También puede usarse para validar y guiar decisiones”. El investigador principal del estudio es Nicholas Coderre, PhD, programador de bioinformática de la Facultad de Medicina Grossman de la Universidad de Nueva York y del Centro Oncológico Perlmutter.
“Los pacientes, médicos e investigadores saben que pueden confiar en este modelo predictivo porque es autodidacta, proporciona decisiones explicables y se basa únicamente en el conocimiento derivado del tejido de cada paciente, incluida la proporción de células moribundas, células inmunes que combaten tumores, y qué tan densas son las células tumorales, entre otras características”, dijo Coudray.
“Nuestro programa informático ahora puede analizar muestras de tejido pulmonar en minutos para hacer predicciones bastante precisas sobre si el cáncer regresará, predicciones que son similares al adenocarcinoma de pulmón. Son mejores para diagnosticar que los estándares actuales de atención”, dijo el coautor del estudio. -investigador principal. Aristóteles Tsirigos, Ph.D. Tsirigos es profesor en los Departamentos de Patología y Medicina de la Facultad de Medicina Grossman de la Universidad de Nueva York y del Centro Oncológico Perlmutter, donde también se desempeña como codirector de Medicina de Precisión y director de sus Laboratorios de Bioinformática Aplicada.
Tsirigos dice que gracias a estos dispositivos y otros avances en la biología del cáncer de pulmón, los patólogos examinarán escaneos de tejido en las pantallas de sus computadoras, y con menos frecuencia en microscopios, y luego usarán sus programas de inteligencia artificial para interpretar la imagen, analizarán y desarrollarán su propia imagen. La nueva imagen escaneada, o “paisaje”, añaden, presentará un desglose detallado del contenido del tejido. Por ejemplo, puede observar que el 5% es necrosis y el 10% es infiltración tumoral y lo que eso significa en términos de supervivencia. Según la información obtenida de todos los datos de los pacientes en el programa, esta lectura puede ser estadísticamente equivalente a un 80% de probabilidad de permanecer libre de cáncer durante dos años o más.
Para desarrollar el programa HPL, los investigadores primero analizaron portaobjetos de tejido de adenocarcinoma de pulmón del Atlas del Genoma del Cáncer. Se eligió el adenocarcinoma como modelo de prueba debido a su conocida especificidad de la enfermedad. Como ejemplo, señalan que sus células tumorales se agruparon en los llamados patrones acinares o falciformes y se extendieron de manera predecible a lo largo del revestimiento superficial de las células pulmonares.
A partir de su análisis de las diapositivas, cuyas imágenes visuales fueron escaneadas digitalmente y divididas en 432.231 pequeños cuadrantes o mosaicos, los investigadores encontraron 46 características clave, a las que denominaron grupos de fenotipos histomorfológicos, tanto de tejido normal como enfermo, un subconjunto de las cuales eran estadísticamente. correlacionado. ya sea hacia la recurrencia temprana del cáncer o hacia la supervivencia a largo plazo. Luego, los resultados se confirmaron mediante pruebas adicionales y separadas de imágenes de tejido de 276 hombres y mujeres que fueron tratados por adenocarcinoma en NYU Langone entre 2006 y 2021.
Los investigadores dicen que su objetivo es utilizar el algoritmo HPL para asignar a cada paciente una puntuación entre 0 y 1 que represente su supervivencia a cinco años y la probabilidad estadística de recurrencia del tumor. Debido a que el programa es de autoaprendizaje, enfatizan que HPL será cada vez más preciso a medida que se agreguen más datos con el tiempo. Para generar confianza pública, los investigadores publicaron su código de programación en línea y planean hacer que la nueva herramienta HPL esté disponible gratuitamente una vez finalizadas las pruebas adicionales.
Las características asociadas con la recurrencia del tumor incluyen células cancerosas muertas y células inmunes que combaten los tumores llamadas linfocitos, y densos grupos de células tumorales en el revestimiento externo de los pulmones. Las características asociadas con una mayor probabilidad de supervivencia fueron un mayor porcentaje de tejido alveolar conservado o sin cambios y una falta o presencia leve de células inflamatorias.
Tsirigos dice que el equipo planea desarrollar a continuación programas similares a HPL para otros cánceres, como el de mama, ovario y colorrectal, basados en características morfológicas igualmente específicas e importantes y en datos moleculares adicionales. El equipo también tiene planes de expandir y mejorar la precisión del programa HPL de adenocarcinoma existente al incluir registros médicos electrónicos hospitalarios sobre otras enfermedades y dolencias, o incluso ingresos y código postal del hogar.
La financiación para el nuevo estudio fue apoyada por la subvención P30CA016087 de los Institutos Nacionales de Salud, las subvenciones Ep/R018634/1 y BB/V016067/1 del Consejo de Investigación del Reino Unido y la subvención n.º Horizonte 2020 de la Unión Europea. 101016851.
Además de Tsirigos y Coudray, otros investigadores de NYU Langone involucrados en el estudio incluyen a Anna Yeaton, Bojing Liu, Hortense Le, Luis Chiriboga, Afreen Karimkhan, Navneet Natula, Christopher Park, Harvey Pass y Andre Moreira. El coinvestigador principal del estudio, Adalberto Claudio Quirós, los coinvestigadores del estudio Xinyu Yang y John Le Quesne, y el coinvestigador principal del estudio, Ke Yuan, están todos en la Universidad de Glasgow, Reino Unido. Los coinvestigadores del estudio, David Moore, están en el University College London, Reino Unido.
