Inteligencia Artificial de Google detecta cáncer de mama con metástasis con 99% de precisión

Los tumores con metástasis, es decir, las células cancerosas que se separan del tejido donde se originó el tumor y viajan por el cuerpo a través de los sistemas circulatorio o linfático hasta formar nuevos tumores, son muy complicados de detectar. Tanto, que los fallos en el diagnóstico son más comunes de lo deseado. Bien por la realización de insuficientes exámenes físicos, o por menos pruebas de las necesarias. Es una de las razones por las que los tumores con metástasis tienen un índice de mortalidad muy elevado. Uno de los casos de cáncer con metástasis de diagnóstico complicado es el cáncer de mama. Y en Google han puesto su Inteligencia Artificial al servicio de la mejora del diagnóstico. Tanto, que ya han conseguido desarrollar un sistema que lo diagnostique con un 99% de precisión.

Este nivel de precisión en el diagnóstico de este tipo de tumor es superior al que pueden alcanzar los humanos, lo que sin duda puede mejorar el tratamiento de las pacientes afectados. Para llegar a esto, un grupo de investigadores del Centro médico naval de San Diego (California) y Google AI, la división de la compañía que se dedica a la investigación en Inteligencia Artificial, han estado desarrollando un sistema que utiliza algoritmos de detección del cáncer que evalúa de manera autónoma biopsias del nodo linfático.

Los investigadores han detallado el sistema que han desarrollado, denominado Asistente de nodos linfáticos, o LYNA, en un trabajo titulado «Detección de metástasis nodal de cancer de mama basado en Inteligencia Artificial«. En las pruebas que se han hecho con él, ha conseguido alcanzar una precisión del 99%, un porcentaje muy superior al del 62% que alcanzan los humanos que tienen poco tiempo para realizar diagnósticos. En estos casos, en las muestras analizadas suelen pasar desapercibidas las pequeñas metástasis.

LYNA se basa en Inception -v3, un modelo de deep learning de reconocimiento de imagen open source que ha conseguido alcanzar una precisión superior al 78,1% con el campo de datos de ImageNet de Stanford. Como han detallado los responsables de la investigación, es capaz de tomar una imagen de 299 píxeles e identificar en ella tumores a nivel de píxel. Además, durante el entrenamiento al que se le ha sometido, es capaz de elaborar predicciones de los tejidos afectados e identificar lo que le afecta como un tumor maligno o benigno. Y también de ajustar los pesos algortímicos del modelo para reducir el error.

Además, el equipo consiguió mejoras sobre los algoritmos utilizados anteriormente exponiendo a LYNA a muestras de tumores y tejidos normales con un ratio de 4:1, así como por aumentar la eficacia computacional del proceso de entrenamiento, que llevó a un algoritmo capaz de «ver» una gran diversidad de tejidos. Además, normalizaron las variaciones en los escaneos de las muestras de las biopsias. Según han manifestado, la combinación de estos factores ha conseguido mejorar en gran medida el rendimiento del modelo.

El equipo desarrollador de LYNA aplicó este algoritmo al campo de datos de 2016 de metástasis de cáncer en nodos linfáticos conocido como Camelyion16. Se trata de una colección de 299 imágenes de secciones del nodo linfático del Centro médico de la Universidad Radbound, situado en la ciudad holandesa de Nijmegen, y del Centro médico universitario de Utretch, también en Holanda. Además, se le han facilitado un conjunto de otras 108 imágenes de 20 pacientes. Se entrenó con 270 de estas muestras, de las que 160 eran normales y 110 eran cancerosas, además de con dos paquetes de evaluación, uno de 129 muestras y otro de 108.

En estas pruebas, LYNA ha conseguido una precisión en los diagnósticos del 99,2%. Cuando la sensibilidad del modelo se ajustó para detectar todos los tumores de cada muestra, consiguió un 69% de sensibilidad, identificando con precisión las 40 metástasis en el campo de datos sin emitir ningún falso positivo. Además, no le afectaron los obstáculos presentes en las muestras. Entre ellos, las burbujas de aire o las hemorragias.

A pesar de su grado de exactitud, LYNA no es un sistema perfecto. En ocasiones realizó identificaciones erróneas de células gigantes, cánceres en su etapa de germinación, y células sanguíneas blancas derivadas de la médula conocidos como histiocitos. En cualquier caso, consiguió mejores resultados que un patólogo en ejercicio al que se le encargó evaluar las mismas muestras.

Además, en un segundo estudio publicado por Google AI y Verily, la filial de ciencias de la vida de Alphabet, matriz de Google, el modelo redujo a la mitad el tiempo que lleva a un equipo de seis patólogos colegiados detectar metástasis en los nodos linfáticos. En el futuro, los investigadores tratarán de ver si este algoritmo consigue mejorar todavía más en eficacia o en precisión en el diagnóstico.