Logo SAVALnet Logo SAVALnet

https://www.savalnet.cl/cienciaymedicina/destacados/aplicacion-innovadora-de-machine-learning-en-el-osteosarcoma.html
15 Noviembre 2023

Aplicación innovadora de machine learning en el osteosarcoma

Un modelo basado en aprendizaje automático permite segmentar los diferentes tejidos y calcular el porcentaje de necrosis, con una precisión similar a la de un patólogo.

El porcentaje de necrosis después de la quimioterapia es un factor pronóstico de supervivencia en el osteosarcoma. Los patólogos estiman este valor calculando la viabilidad del tumor sobre un promedio de imágenes de portaobjetos completos (WSIs, por sus siglas en inglés). Este proceso no estandarizado y laborioso requiere capacitación especializada y tiene una alta variabilidad entre observadores. Por lo tanto, el objetivo de este trabajo fue desarrollar un modelo de machine learning capaz de calcular el porcentaje de necrosis en el osteosarcoma con una precisión similar a la de un patólogo con experiencia en patología musculoesquelética. 

Realizaron un estudio de prueba de concepto, en el que obtuvieron retrospectivamente seis WSIs de dos pacientes con osteosarcomas convencionales. Se entrenó a un sistema de aprendizaje, débilmente supervisado, mediante el uso de anotaciones parciales e imprecisas de tumores viables, necróticos, y tejidos no tumorales, para crear modelos predictivos. Una vez "entrenado" el modelo, este segmentó áreas de tejido y determinó el porcentaje de necrosis de los seis WSIs. Para evaluar la fidelidad del modelo, paralelamente el patólogo también estimó este porcentaje de cada WSI, y se compararon ambas estimaciones. 

Después de los análisis respectivos, las estimaciones del modelo y del patólogo mostraron una fuerte correlación positiva (r= 0,85). Este perdió precisión en la presencia de tejido cartilaginoso abundante. El entrenamiento tardó 30 min por cada WSI. 

El estudio logró crear y entrenar un modelo de machine learning, mediante técnicas de aprendizaje débilmente supervisadas, que permite segmentar tumores viables, necróticos, y tejidos no tumorales, y calcular el porcentaje de necrosis, con una precisión similar a la de un patólogo. Los autores esperan que se pueda alcanzar una mejora, anotando específicamente el tejido cartilaginoso (benigno o maligno) y otros tejidos mesenquimales, para una mejor representación de la heterogeneidad histológica en el osteosarcoma y predicciones más precisas.

Fuente bibliográfica

https://doi.org/10.1002/jor.25693

Aplicación innovadora de machine learning en el osteosarcoma

Ciencia y Medicina

Destacado Agenda de Eventos

12° Congreso Mundial de Medicina Estética y Medicina Antienvejecimiento

12° Congreso Mundial de Medicina Estética y Medicina Antienvejecimiento 16 Octubre 2025

La 12ª edición del Congreso Mundial de Medicina Estética y Medicina Antienvejecimiento – Latin America, tendrá lugar del 16 al 18 d...

Destacado Artículos Destacados

Agonistas GLP-1 reducen incidencia de varios tipos de cáncer

Agonistas GLP-1 reducen incidencia de varios tipos de cáncer 29 Agosto 2025

El uso de estos fármacos en adultos con obesidad se asocia a un menor riesgo de 14 cánceres, en su mayoría relacionados con esta condi...

Dermatitis atópica, una puerta a enfermedades autoinmunes

Dermatitis atópica, una puerta a enfermedades autoinmunes 18 Agosto 2025

Esta afección cutánea está estrechamente vinculada a diversas patologías inmunitarias, como enfermedad celíaca y artritis reumatoide...

Destacado Progresos Médicos

Vacunas de ARNm mejoradas contra el VIH

Vacunas de ARNm mejoradas contra el VIH 04 Agosto 2025

La incorporación de trímeros que imitan la estructura natural de la envoltura viral y están anclados a la membrana representa un avanc...