Mejorar el diagnóstico del cáncer de mama y la capacidad de predecir el riesgo de recidiva es el objetivo de un grupo de científicos del Instituto Karolinska, que busca aumentar la precisión e implementar tratamientos personalizados para pacientes de riesgo intermedio mediante inteligencia artificial (IA).

“Cada año alrededor de dos millones de mujeres desarrollan la enfermedad en todo el mundo. La mitad de los casos corresponden a tumores grado 2, lo que desgraciadamente no ofrece una orientación clara sobre el abordaje. Algunas reciben un tratamiento excesivo con quimioterapia, mientras que otras pueden ser infratratadas. Este es el problema que intentamos resolver”, comenta Yinxi Wang, autora principal del estudio publicado en Annals of Oncology [1].

De acuerdo con la investigadora, los hospitales utilizan de forma limitada los diagnósticos moleculares para lograr una evaluación precisa, pero los métodos son costosos y demandan demasiado tiempo. Mediante IA para analizar los tejidos, destaca Wang, se pueden clasificar a los pacientes con tumores grado 2 en dos subgrupos: alto y bajo riesgo de recidiva.

El modelo es capaz de reconocer características de imágenes microscópicas de alta resolución. Es rentable, rápido y utiliza muestras de tejido teñidas, parte del procedimiento asistencial estándar. Se construyó analizando más de 2.800 tumores y su aplicación se orienta al diseño de abordajes personalizados en casos de riesgo intermedio.

“Es fantástico que el aprendizaje profundo pueda ayudarnos a desarrollar modelos que no solo reproduzcan lo que hacen los médicos, sino que también nos permitan extraer información más allá del alcance del ojo humano”, finaliza el coautor Mattias Rantalainen.

Referencia
[1] Wang Y, Acs B, Robertson S, et al. Improved breast cancer histological grading using deep learning. Ann Oncol. 2021 Sep 29. DOI: 10.1016/j.annonc.2021.09.007