Innovadora IA identifica etapas de tumores de mama propensos a convertirse en cáncer invasivo

Uno de los tipos de tumor preinvasivo que muchas veces progresa hasta convertirse en una forma de cáncer de mama mortal es el carcinoma ductal in situ (CDIS). Esta enfermedad representa aproximadamente el 25% de todos los diagnósticos de cáncer de mama, y uno de los principales es que los médicos les resulta difícil determinar el tipo y el estadio de DCIS, por lo que los pacientes reciben un tratamiento excesivo y desgastante.

Para dar solución a este problema, un equipo interdisciplinario de investigadores del MIT y la ETH de Zúrich desarrolló un modelo de inteligencia artificial (IA) que puede identificar los distintos estadios del DCIS a partir de una imagen de tejido mamario. Este modelo demuestra que tanto el estado como la disposición de las células en una muestra de tejido son esenciales para determinar el DCIS.

Gracias a la facilidad de obtención de imágenes de tejidos, los investigadores pudieron crear uno de los conjuntos de datos más grandes en su categoría. Utilizaron este conjunto de datos para entrenar y probar su modelo, y al comparar sus predicciones con las conclusiones de un patólogo, observaron una clara coincidencia en muchos casos.

De acuerdo con los investigadores, en el futuro, el modelo podría usarse como una herramienta para ayudar a los médicos a agilizar el diagnóstico de casos más simples sin necesidad de pruebas que requieren mucho trabajo, lo que les daría más tiempo para evaluar casos en los que está menos claro si el DCIS se volverá invasivo.

Caroline Uhler, profesora del Departamento de Ingeniería Eléctrica y Ciencias Informáticas (EECS) y del Instituto de Datos, Sistemas y Sociedad (IDSS), destacó: “hemos dado el primer paso para entender que debemos tener en cuenta la organización espacial de las células a la hora de diagnosticar el DCIS, y ahora hemos desarrollado una técnica que es escalable. A partir de aquí, realmente necesitamos un estudio prospectivo. Trabajar con un hospital y llevar esto hasta la clínica será un importante paso adelante”.

Cáncer: combinando imágenes con IA

Entre el 30 y el 50% de los pacientes con DCIS desarrollan una etapa altamente invasiva del cáncer, pero los investigadores aún no han identificado los biomarcadores que podrían indicar a los médicos qué tumores progresarán.

Como tal, los investigadores pueden emplear técnicas como la tinción multiplexada o la secuenciación de ARN de células individuales para determinar el estadio del DCIS en muestras de tejido. Sin embargo, Shivashankar explica que estas pruebas son demasiado costosas para realizarse de manera generalizada.

En investigaciones anteriores, estos científicos demostraron que una técnica económica de obtención de imágenes, conocida como tinción de cromatina, podría ser tan informativa como la secuenciación de ARN de una sola célula, la cual es considerablemente más costosa. Para esta investigación, plantearon la hipótesis de que combinar esta única tinción con un modelo de aprendizaje automático cuidadosamente diseñado podría proporcionar la misma información sobre el estadio del cáncer que las técnicas más costosas.

Primero, crearon un conjunto de datos que contenía 560 imágenes de muestras de tejido de 122 pacientes en tres etapas diferentes de la enfermedad. Utilizaron este conjunto de datos para entrenar un modelo de IA que aprende a representar el estado de cada célula en una imagen de muestra de tejido, con el fin de inferir la etapa del cáncer de un paciente.

Dado que no todas las células son indicativas de cáncer, los investigadores agruparon las células de forma significativa. Diseñaron el modelo para crear grupos de células en estados similares, identificando ocho estados que son marcadores importantes del DCIS. Algunos estados celulares son más indicativos de cáncer invasivo que otros. El modelo determina la proporción de células en cada estado dentro de una muestra de tejido.

Descargue aquí la investigación publicada en Nature Communications: