Avance que da esperanzas
La detección del cáncer es un desafío importante en el campo de la medicina, y la Inteligencia Artificial (IA) ha demostrado ser una herramienta valiosa para mejorar la precisión y la eficiencia en la detección de esta enfermedad.
La IA puede analizar grandes cantidades de datos médicos, incluyendo imágenes de resonancia magnética y tomografía computarizada, para identificar patrones y anomalías que pueden indicar la presencia de cáncer. Los algoritmos de aprendizaje automático pueden ser entrenados para reconocer características específicas de las imágenes y predecir la probabilidad de que un paciente tenga cáncer.
Basado precisamente en la IA, un equipo científico del Centro de Regulación Genómica (CRG), la Universidad del País Vasco (UPV/EHU), la Fundación Biofísica Bizkaia (FBB, del Instituto Biofísica y el Donostia International Physics Center (DIPC) de San Sebastián) han desarrollado un método que puede diferenciar las células cancerosas de las normales, así como detectar las fases más tempranas de la infección viral en el interior de las células con "precisión nanométrica".
Según Infosalud, los hallazgos, publicados en la revista Nature Machine Intelligence, abren el camino para desarrollar nuevas técnicas de diagnóstico y estrategias de seguimiento de enfermedades.
De acuerdo a lo informado, la herramienta, denominada AINU (por AI of the NUcleus), escanea imágenes de alta resolución de las células. Las imágenes se obtienen con una técnica especial de microscopía llamada STORM, que crea una imagen que captura muchos más detalles de los que pueden ver los microscopios normales.
También se explica que las instantáneas de alta definición revelan estructuras con una resolución a escala nanométrica. Un nanómetro (nm) es una milmillonésima parte de un metro, y un pelo individual de cabello humano tiene unos 100.000 nm de ancho.
La IA puede detectar reordenamientos dentro de las células tan pequeñas como 20 nm, o 5.000 veces más pequeños que el ancho de un cabello humano, alteraciones demasiado pequeñas y sutiles para que los observadores humanos las detecten con los métodos tradicionales.
Por otra parte, AINU es una red neuronal convolucional, un tipo de IA diseñada específicamente para analizar datos visuales como las imágenes. Algunos ejemplos incluyen herramientas de IA que permiten a los usuarios desbloquear teléfonos inteligentes con su cara u otras que utilizan los coches autónomos para comprender y navegar por entornos mediante el reconocimiento de objetos en la carretera.
Aunque los resultados son muy prometedores, de todos modos los autores del estudio han expresado que aún tienen que superar importantes limitaciones antes de que la tecnología esté lista para ser probada o implementada en un entorno clínico.
Por ejemplo, las imágenes STORM solo se pueden tomar con equipos especializados que normalmente se encuentran únicamente en laboratorios de investigación biomédica. Además, la instalación y el mantenimiento de los sistemas de imágenes que requiere la IA es una inversión importante tanto en equipos como en competencias técnicas.
Otra limitación es que las imágenes STORM analizan pocas células a la vez. Para fines de diagnóstico, especialmente en entornos clínicos donde la velocidad y la eficiencia son cruciales, los médicos necesitarían capturar muchas más células en una sola imagen para poder detectar o monitorear una enfermedad.
"Hay muchos avances rápidos en el campo de las imágenes STORM, lo que significa que los microscopios pronto podrán estar disponibles en laboratorios más pequeños o menos especializados y, finalmente, incluso en la clínica. Las limitaciones de accesibilidad y rendimiento son problemas más manejables de lo que pensábamos y esperamos realizar experimentos preclínicos pronto", afirma la profesora de investigación ICREA Pía Cosma, coautora principal del estudio e investigadora del Centro de Regulación Genómica (CRG) en Barcelona.