Más allá de la imagen radiológica en oncología: IA para ver lo que lo que el ojo no ve

En el mundo se realizan al año más de 4.000 millones de exámenes de imagen médica, según la Sociedad Española de Radiología Médica (Seram), lo que se traduce en 4.000 millones de pacientes y de diagnósticos que los médicos ven y realizan anualmente. La inteligencia artificial (IA) y su aplicación en el campo de la imagen médica es una de las claves para el avance de la medicina mediante la tecnología. Gracias a su uso, la medicina ha conseguido ir más allá de lo que el ojo humano ve, para no sólo diagnosticar una enfermedad, sino predecir la evolución de la misma en cada paciente, de forma individualizada.

Según la Organización Mundial de la Salud, el 80% de las decisiones médicas en nuestro entorno se toman basándose en pruebas radiológicas. Pero, ¿en qué consiste una imagen radiológica? ¿Cómo pasamos de la imagen radiológica al uso de la IA y a su aplicación en la -cada vez más extendida- Medicina Personalizada? La optimización en la detección, segmentación y caracterización cuantitativa de lesiones medibles en pacientes de cáncer metastásico, mediante la extracción de características radiómicas de cada una de las lesiones, tiene ya un papel clave en la práctica clínica diaria. Gracias a la aplicación conjunta de radiómica e IA, la interpretación de imágenes médicas permite transformar el diagnóstico y abordaje de múltiples enfermedades , entre ellas, el cáncer metastásico. Una prueba de ello es el proyecto DIPCAN: Digitalización y Manejo de la Medicina Personalizada en el Cáncer.

El uso de la imagen radiológica y la IA en el manejo del cáncer es ya una realidad gracias a la cual, a través de una herramienta completa para la detección, segmentación y caracterización cuantitativa de las lesiones, se está acercando la Medicina de Precisión a los pacientes, que tienen acceso a sus beneficios de forma individualizada y personalizada.

El poder de la imagen radiológica

La radiómica es una disciplina emergente que se enfoca en extraer información cuantitativa intrínseca a las imágenes médicas (como resonancias magnéticas o tomografías computarizadas) y que es imperceptible para el ojo humano. El procesamiento de imagen en combinación con la Inteligencia Artificial permite encontrar patrones que relacionen las características ocultas en las imágenes con estados fisiológicos concretos, permitiendo realizar predicciones sobre el diagnóstico, la estadificación, la elección o respuesta a un tratamiento, las recaídas, las metástasis, etc. De este modo, gracias a las técnicas de imagen médica e IA, es posible descubrir y extraer biomarcadores de imagen y transformarlos en predicciones útiles y reales para la práctica clínica.

La IA y la ciencia de datos son dos de los pilares fundamentales que marcan la participación de entidades como Quibim en el proyecto DIPCAN que, en sólo un año desde su inicio, ha optimizado el abordaje del cáncer en España. Los algoritmos desarrollados permiten detectar y segmentar de manera automática las regiones de interés de las imágenes médicas y extraer de ellas los valores cuantitativos que sirven para caracterizar pacientes, regiones anatómicas específicas o lesiones concretas derivadas, en este caso, del cáncer metastásico. Gracias al uso del aprendizaje automático y el aprendizaje profundo ( machine learning y deep learning respectivamente) , es ya posible determinar el estado de un paciente, la evolución de su enfermedad o predecir diferentes tipos de respuesta como, por ejemplo, la respuesta a un tratamiento específico. Algo que se aplica en los casi 1.000 pacientes que forman parte del proyecto.

Beneficios personalizados para cada paciente

El uso de IA y el descubrimiento de nuevos biomarcadores de imagen en el campo de la oncología permiten, por un lado, estratificar mejor a los pacientes en el diagnóstico, de una manera más individualizada, lo que se traduce en una definición de los tratamientos óptimos para cada paciente. Por otro lado, el seguimiento a través de imagen médica que permite encontrar características en la imagen imperceptibles al ojo humano y sospechosas de enfermedad, permite anticiparse a la detección del cáncer y, en caso de padecerlo, incrementar la vigilancia del mismo.

Asimismo, es fundamental destacar que los algoritmos empleados proporcionan herramientas útiles tanto en el sector de la investigación farmacéutica y tecnológica como en la práctica clínica, ya que ayudan a los especialistas médicos a reducir costes temporales (históricamente elevados) y facilitar la toma de decisiones, acercando a los pacientes al concepto de medicina personalizada.

Dipcan: presente y futuro de la Medicina Personalizada en España

Detrás del proyecto se encuentran siete entidades, entre ellas, Quibim. Gracias a su labor, el desarrollo de un algoritmo de detección automática de lesiones tumorales y metastásicas puede ayudar a los clínicos a una detección más rápida de cada una de las lesiones medibles que padece un paciente. Una vez hechas las segmentaciones de las lesiones, los algoritmos de radiómica se aplican para realizar biopsias virtuales, es decir, para extraer biomarcadores de imagen que permiten caracterizar a cada paciente y ayudar al oncólogo en la toma de decisiones clínicas. Así, proporcionan una herramienta completa capaz de detectar y caracterizar al paciente metastásico. Estos modelos ayudan a definir e interpretar las lesiones para comprender y dar explicación al cáncer, facilitando el manejo de la enfermedad de manera específica para cada paciente.

A través de Dipcan, se busca poder realizar un diagnóstico precoz de la enfermedad metastásica, que permita al clínico poder anticiparse al tratamiento del paciente y, por lo tanto, aumentar sus posibilidades de supervivencia.

La combinación de la medicina, la radiómica y la IA ya no es el futuro, es una realidad que, a través de Dipcan se hace posible cada día. La combinación de las matemáticas y la ingeniería con las ciencias de salud se lleva practicando años, pero actualmente nos encontramos ante el crecimiento exponencial de los resultados. La IA es un campo inmenso que avanza cada día y que se aplica a multitud de sectores. En el caso de Quibim, su aplicación a la imagen médica está ayudando a mejorar tanto la investigación clínica como el manejo de cada enfermedad. Se trabaja cada día para mejorar esos algoritmos de cara a obtener resultados más precisos que den explicación a los problemas clínicos y que, en paralelo, sigan ayudando a los oncólogos en la toma de decisiones.

Seguimos allanando el camino para la mejora del abordaje del cáncer metastásico

Uno de los grandes desafíos de la inteligencia artificial es su crecimiento sin límites. Cada día, se descubren nuevos desarrollos capaces de mejorar la tecnología anterior. Es una evolución, una carrera en la que los expertos, como Quibim, apuestan por estar al frente y ser referentes en la aplicación de la radiómica y la inteligencia artificial en el campo de la imagen médica. Sus equipos de desarrollo y científicos de datos trabajan a diario para estar al día de las nuevas posibilidades del aprendizaje automático y el aprendizaje profundo y, así, ser capaces de integrar esas novedades a sus soluciones, con el objetivo de mejorar la calidad de vida de los pacientes.

Dipcan es un claro ejemplo de todos estos desafíos. Este proyecto afronta un reto complejo que abarca el procesamiento de datos y de imagen médica, el desarrollo de redes neuronales para la segmentación automática de lesiones y los algoritmos de extracción de radiómica. Por ello, la innovación es un pilar clave para combinar todas las piezas y proporcionar una herramienta completa para el análisis de lesiones tumorales y metastásicas, capaz de facilitar el diagnóstico de la enfermedad, la elección del tratamiento y el seguimiento del paciente. En el proceso, desde Dipcan se sigue demostrando el poder de la investigación y allanando el camino para la mejora del abordaje del cáncer metastásico.

Artículos relacionados

Más allá de la imagen radiológica en oncología: IA para ver lo que lo que el ojo no ve