Un avance científico de la Universidad Nacional de Colombia (UNAL) promete mejorar el diagnóstico temprano del cáncer de ovario. El estudio, liderado por la investigadora Eileen Tatiana Montoya, utiliza técnicas de aprendizaje automático para analizar imágenes de tejidos de manera precisa, permitiendo identificar la evolución de la enfermedad en sus etapas iniciales. Esta técnica podría beneficiar a muchas de las 1 de cada 70 mujeres que padecen esta enfermedad, y reducir las 1.100 muertes anuales que se reportan en el país.
La innovación en inteligencia artificial permite detectar tanto el tumor como las células sanas que lo rodean, conocidas como “microambiente tumoral”. Al comprender cómo estas células interactúan con el cáncer, los médicos podrían determinar con mayor precisión la progresión del tumor o su respuesta a los tratamientos, abriendo nuevas posibilidades en la lucha contra el cáncer de ovario.
Montoya utilizó un avanzado algoritmo de supervisión llamado “máquina de vectores de soporte” para analizar imágenes histopatológicas, que son las obtenidas de tejidos extraídos mediante resección quirúrgica. Este algoritmo fue entrenado para identificar patrones específicos en las células, lo que facilita la detección de cáncer de manera más precisa.
“El microambiente tumoral es el conjunto de células y tejidos que rodean el tumor; cuando el cáncer se desarrolla, las células del sistema inmunológico intentan atacarlo para evitar que crezca, pero él también tiene la capacidad de ‘defenderse’, e incluso de ‘transformar’ las células que deberían combatirlo”, explicó la creadora de esta herramienta para cáncer de ovario.
Al analizar las interacciones entre el tumor y su entorno, los investigadores han superado las barreras de los estudios tradicionales, que solían ser costosos y complicados. “Clasificamos imágenes junto a patólogos, las marcamos y luego enseñamos a nuestra máquina a reconocerlas utilizando aprendizaje automático”, comentó Montoya.
Este innovador enfoque permitió identificar tres tipos de tejido: el tumor, el estroma (tejido sano) y el tejido necrótico. La precisión de esta clasificación ofrece un análisis detallado de las interacciones en el microambiente tumoral, esencial para comprender mejor la progresión del cáncer de ovario.
Herramienta lograría predecir el estadio del cáncer de ovario:
Luego de lograr una clasificación precisa de los tipos de tejido, Montoya investigó cómo estos se vinculaban con la evolución del cáncer. Al correlacionar los microambientes tumorales con datos clínicos, como el tiempo de supervivencia, encontró que ciertos patrones de interacción entre los tejidos estaban estrechamente relacionados con el pronóstico del cáncer de ovario.
“Los pacientes con microambientes que reflejaban un tumor más agresivo y en estadios avanzados, según su historial, tuvieron peores desenlaces, mientras que aquellos con microambientes más ‘saludables’ presentaron mejores resultados clínicos. Lo que nos sorprendió fue encontrar que desde los tejidos también se podía ver muy bien la relación de los microambientes y el progreso de la enfermedad”, comentó.
Por último, la investigadora destaca que el potencial de estos resultados radica en la capacidad de identificar patrones en el microambiente tumoral mediante imágenes histopatológicas. Esto proporcionaría a los médicos una herramienta valiosa para el diagnóstico y monitoreo temprano del cáncer, permitiendo tomar decisiones más informadas sobre el tratamiento.
Al integrar esta tecnología en la práctica clínica, los profesionales de la salud podrían anticipar mejor la evolución de la enfermedad y ajustar las terapias de forma oportuna, mejorando las posibilidades de un manejo más efectivo y personalizado del cáncer de ovario.
