Según un nuevo estudio, un programa informático basado en datos de casi medio millón de imágenes de tejidos y impulsado por inteligencia artificial puede diagnosticar con precisión casos de adenocarcinoma, la forma más común de cáncer de pulmón.

Investigadores del Centro Oncológico Perlmutter de NYU Langone Health y la Universidad de Glasgow desarrollaron y probaron el programa. Dicen que el programa ofrece una segunda opinión imparcial, detallada y confiable para pacientes y oncólogos, ya que incluye 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. sobre la presencia de cáncer y la posibilidad y el momento de su reaparición (pronóstico).

El equipo de investigación también señala que el programa es independiente y «autodidacta», lo que significa que determinó por sí mismo qué características estructurales fueron estadísticamente más significativas en la evaluación de la gravedad de la enfermedad y tuvieron el mayor impacto en la recurrencia del tumor.

Publicación de revista Conexiones con la naturaleza En línea el 11 de junio, se descubrió que el programa de estudio, también llamado algoritmo o más específicamente, Aprendizaje de Fenotipado Histomorfológico (HPL), puede diferenciar con precisión entre cánceres de pulmón, adenocarcinomas y cánceres de células escamosas similares el 99% de las veces. También se descubrió que el programa HPL tenía una precisión del 72 % en la predicción de la probabilidad de que el cáncer regrese y el tiempo después de la terapia, una mejora del 64 % en la precisión de las predicciones de los patólogos que examinaron directamente las imágenes tumorales de los mismos pacientes, dijeron los investigadores.

«Nuestro nuevo programa de fenotipado histomorfológico tiene el potencial de ofrecer a los especialistas en cáncer y a sus pacientes una herramienta de diagnóstico rápida e imparcial para el adenocarcinoma de pulmón que, tras pruebas adicionales, también puede usarse para ayudar a confirmar e incluso guiar sus decisiones de tratamiento», dijo. El investigador principal del estudio, Nicolas Coudray, PhD, programador de bioinformática de la Facultad de Medicina Grossman de la Universidad de Nueva York y el Centro Oncológico Perlmutter.

«Los pacientes, médicos e investigadores saben que pueden confiar en este modelo predictivo porque es de autoaprendizaje, proporciona decisiones explicables y se basa únicamente en el conocimiento obtenido específicamente del tejido de cada paciente, incluidas características como la proporción de células moribundas, la capacidad de combatir tumores. «Las células inmunitarias y la densidad de las células tumorales, entre otras cosas», dijo Coudray.

«Ahora nuestro programa informático puede analizar muestras de tejido pulmonar en cuestión de minutos para proporcionar predicciones bastante precisas sobre si el cáncer regresará, predicciones que son mejores que el estándar actual de atención para predecir el adenocarcinoma de pulmón», afirmó el coautor del estudio. Aristóteles Tsirigos, PhD. 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 es codirector de medicina de precisión y director de los Laboratorios de Bioinformática Aplicada.

Gracias a estas herramientas y a otros avances en la biología del cáncer de pulmón, dice Tsirigos, los patólogos examinarán escaneos de tejido en las pantallas de sus computadoras y cada vez en menos microscopios, y luego usarán su propio programa de inteligencia artificial para analizar la imagen y crear su propia imagen. exploración. Añaden que la nueva imagen, o «paisaje», ofrecerá un desglose detallado del contenido del tejido. Podría, por ejemplo, señalar que hay un 5% de necrosis y un 10% de infiltración tumoral y lo que eso significa en términos de supervivencia. Esta lectura puede corresponder estadísticamente a una probabilidad del 80% de permanecer libre de cáncer durante dos años o más, según la información de todos los datos de los pacientes incluidos en el programa.

Para desarrollar el programa HPL, los investigadores primero analizaron diapositivas de tejido de adenocarcinoma de pulmón del Atlas del Genoma del Cáncer. Se eligió el adenocarcinoma como modelo de prueba debido a las características de la enfermedad. Por ejemplo, señalan que sus células tumorales tienden a agruparse en los llamados patrones acinares o en forma de saco y se propagan de manera predecible a lo largo del revestimiento superficial de las células pulmonares.

Al analizar las diapositivas, cuyas imágenes visuales fueron escaneadas digitalmente y divididas en 432.231 pequeños cuadrantes o mosaicos, los investigadores descubrieron 46 características clave que denominaron grupos de fenotipos histomorfológicos de tejido normal y enfermo, un subconjunto de los cuales se asociaron estadísticamente con la enfermedad temprana. regreso del cáncer o supervivencia a largo plazo. Los hallazgos fueron confirmados mediante pruebas adicionales y separadas de imágenes de tejido de 276 hombres y mujeres 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 probabilidad estadística de supervivencia y recurrencia del tumor hasta por cinco años. 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 aumentar la confianza del público, los investigadores han publicado su código de programación en línea y planean hacer que la nueva herramienta HPL esté disponible gratuitamente una vez que se completen más pruebas.

Las características asociadas con la recurrencia del tumor incluyeron un alto porcentaje de células cancerosas muertas y células inmunes que combaten los tumores llamadas linfocitos, así como un denso grupo de células tumorales en el revestimiento externo de los pulmones. Las características asociadas con una mayor supervivencia fueron un alto porcentaje de tejido alveolar intacto o conservado y la ausencia o presencia leve de células inflamatorias.

Tsirigos dice que el equipo planea desarrollar programas similares a HPL en el futuro para otros cánceres, como el de mama, ovario y colorrectal, basados ​​de manera similar en características morfológicas distintas y claves y datos moleculares adicionales. El equipo también planea ampliar y mejorar la precisión del actual programa HPL de adenocarcinoma para incluir otros datos de los registros médicos electrónicos de los hospitales para otras enfermedades y dolencias, o incluso ingresos y código postal del hogar.

El apoyo financiero para el nuevo estudio fue proporcionado por la subvención P30CA016087 de los Institutos Nacionales de Salud, las subvenciones del Consejo de Investigación del Reino Unido Ep/R018634/1 y BB/V016067/1, y la subvención Horizonte 2020 de la Unión Europea no. 101016851.

Además de Tsirigos y Coudray, otros investigadores de NYU Langone involucrados en este estudio incluyen a Anna Yeaton, Bojing Liu, Hortense Le, Luis Chiriboga, Afreen Karimkhan, Navneet Natula, Christopher Park, Harvey Pass y Andre Moreira. El investigador codirector del estudio, Adalberto Claudio Quirós, los coinvestigadores del estudio Xinyu Yang y John Le Quesne, y el asociado del estudio Ke Yuan son de la Universidad de Glasgow, Reino Unido. El co-investigador del estudio, David Moore, trabaja en el University College London, Reino Unido.



Source link