Investigadores de la Universidad Estatal de Tomsk (Rusia) han desarrollado un nuevo método para el diagnóstico de adenocarcinoma, un tumor maligno de la glándula prostática, que utiliza inteligencia artificial para identificar si hay tumor y determinar la etapa de la enfermedad

Según Yuri Kistenev, uno de los investigadores, la inteligencia artificial no solo detecta la presencia de células cancerosas, con una precisión del cien por cien, en palabras de los investigadores, sino que también evalúa el tumor según la escala de Gleason, que marca la gravedad y el avance del cáncer y que es importante en términos de predecir el curso de la enfermedad.

'Por lo general, varias personas trabajan con muestras de biopsia de próstata, y después de estudiar las secciones, toman una decisión colegial', indica Kistenev a Phys.org.
'Debido a la evaluación subjetiva, hay conclusiones erróneas.
Tratamos de resolver este problema utilizando tecnologías de inteligencia artificial: desarrollamos un modelo informático y, a través del aprendizaje automático, le enseñamos a detectar áreas anormales utilizando una herramienta como la espectroscopia de terahercios'.

Súper preciso

'La espectroscopia de terahercios visualiza muy bien la muestra porque un láser lee de 2.500 a 4.000 puntos en un área pequeña', dice Anastasia Knyazkova, una de las directoras de proyecto.
'Se entrenó un modelo informático en muestras de tejido sano y enfermo.
Así, la inteligencia artificial aprendió a separar la norma y la patología.
Se llevó a cabo una prueba de su capacidad para verificar el adenocarcinoma en muestras que no se utilizaron en la prueba.
Se realizó una evaluación de la neoplasia maligna para muestras con un ranking de 4 y 8 en la escala Gleason y la precisión del diagnóstico diferencial fue del cien por cien'.

'Tratamos de resolver el problema del error humano utilizando tecnologías de inteligencia artificial'

Según los investigadores, a medida que se acumulen datos, el modelo será capaz de evaluar el tumor en toda la escala Gleason, tras lo cual la nueva herramienta puede introducirse en la práctica clínica.

Como señala Kistenev, el enfoque es universal.
Ya se ha probado para diagnosticar el melanoma y si hay una cantidad suficiente de material de entrenamiento, el modelo puede ser entrenado en el diagnóstico de otros tipos de cáncer.