Así es la IA creada por Harvard para detectar y predecir las probabilidades de supervivencia en pacientes con cáncer

Un equipo de científicos de la Facultad de Medicina de Harvard ha creado un modelo de Inteligencia Artificial (IA) enfocado en la detección de varios tipos de cáncer y predicción de las probabilidades de supervivencia en pacientes con la enfermedad.

Bautizado como CHIEF (Clinical Histopathology Imaging Evaluation Foundation), el sistema opera de forma similar a ChatGPT y fue diseñado especialmente para superar a otros modelos de IA recientes que buscan diagnosticar cáncer, según indican los investigadores en un artículo publicado en septiembre en la revista Nature.

Según describe la Universidad de Harvard, las herramientas de IA de la actualidad suelen enfocarse en tareas acotadas, como lo es la detección de la enfermedad y predecir el perfil genético de un tumor, además de limitarse a pocos tipos de cáncer.

CHIEF, en cambio, está entrenado para realizar múltiples tareas y ha logrado identificar hasta 19 tipos diferentes de cáncer, incluyendo el de pulmón, mama y próstata, representando un gran avance en el uso de la IA para fines médicos.

“Nuestra ambición era crear una plataforma de Inteligencia Artificial ágil y versátil similar a ChatGPT que pudiera realizar una amplia gama de tareas de evaluación del cáncer”, detalló en un comunicado Kun-Hsing Yu, autor principal del estudio y profesor de informática biomédica en el Instituto Blavatnik de la Facultad de Medicina de Harvard.

Yu complementó que su herramienta “resultó ser muy útil en múltiples tareas relacionadas con la detección, el pronóstico y la respuesta al tratamiento del cáncer en múltiples tipos de cáncer”.

El modelo elaborado por investigadores de Harvard es capaz de analizar diapositivas digitales de tejidos tumorales, con lo cual puede identificar células cancerosas y predecir perfiles moleculares con una precisión mucho más grande que otras herramientas de IA similares.

Otra de sus peculiaridades es que puede hacer un pronóstico de las probabilidades de supervivencia de los pacientes que tienen diferentes tipos de cáncer y advertir cuáles son las características del microambiente tumoral. Esas características están vinculadas a cómo el paciente responde ante los tratamientos, incluyendo la cirugía, la quimioterapia y la radiación.

CHIEF también tiene la capacidad de detectar características tumorales que antes se desconocía que tuvieran algún tipo de relación con la supervivencia del paciente, lo que también podría ser de gran utilidad para perfeccionar los diagnósticos y evaluaciones de la enfermedad.

De acuerdo a Yu, en el caso que este enfoque pueda validarse e implementarse, se podría “identificar de manera temprana a pacientes con cáncer que podrían beneficiarse de tratamientos experimentales dirigidos a ciertas variaciones moleculares, una capacidad que no está disponible de manera uniforme en todo el mundo”, señaló el científico.

Este novedoso sistema de IA, que está basado en una investigación previa de Yu y sus colegas, fue entrenado con más de 15 millones de imágenes no etiquetadas, que al mismo tiempo, fueron divididas en diferentes secciones de interés. Después de eso, el equipo lo volvió a entrenar con otras 60.000 imágenes de tejidos, incluyendo pulmón, mama, próstata, estómago, riñón, cerebro, páncreas, útero, testículo, piel y vejiga.

A través de ese método, el modelo comenzó a relacionar cambios en zonas específicas con el contexto general del tejido. Los investigadores creen que gracias a eso CHIEF pudo hacer interpretaciones de las imágenes de una forma más holística.

Posteriormente, el equipo de Harvard decidió poner a prueba la herramienta con alrededor de 19.400 imágenes de 32 conjuntos de datos que provenían de 24 hospitales de todo el mundo.

Las pruebas demostraron que CHIEF pudo superar hasta en un 36% a otras herramientas de IA en actividades como detectar células cancerosas, identificar el origen de un tumor, predecir los resultados clínicos de un paciente y reconocer genes como patrones de ADN que pueden estar vinculados a la respuesta del tratamiento.

Desde Harvard describen que otro aspecto destacado de CHIEF es que conserva su nivel de precisión sin importar cómo se consiguieron las células tumorales, por ejemplo, a través de una biopsia o cirugía, y la técnica usada para digitalizar las muestras de células cancerosas. Eso mismo le brinda la posibilidad de ser usado en diferentes contextos clínicos.

Los científicos encargados de CHIEF señalan que ahora están planeando mejorar el rendimiento del modelo e incrementar sus capacidades.

Para ello, buscarán incluir muestras de tejidos premalignos antes de que las células se vuelvan cancerosas en su totalidad, exponer el sistema a más datos moleculares de manera que mejore su capacidad de detectar cánceres, y por último, entrenarlo para que pronostique tanto los beneficios como los efectos adversos de nuevos tratamientos para enfrentar el cáncer.