Análisis de imágenes digitales en patologías mamarias
En las últimas décadas se han obtenido mejores resultados al tratar distintos casos de cáncer de mama cuando hay un diagnostico temprano al igual que la implementación de terapias adyuvantes personalizadas. Inclusive, se ha ampliado el proceso de diagnóstico a través de procesos histopatológicos que de igual manera han sido fundamentales para guiar el tratamiento del cáncer de mama. Sin embargo, existe una alta demanda de casos por diagnosticar que saturan a los pocos especialistas en esta área. Por esto mismo, en los últimos años se ha empezado a utilizar imágenes computarizadas obtenidas de los datos patológicos al digitalizarlos, para que lograr un diagnóstico más rápido, reproducible y preciso.
¿Por qué la patología digital?
La necesidad de la digitalización de datos patológicos surge de obtener métodos eficientes y rentables para abordar necesidades como optimizar el tiempo de diagnóstico de un paciente. Como se comentó previamente, en esta área de la medicina hay una escasez de especialistas capacitados en comparación a la cantidad de pacientes que necesitan ser diagnosticados. Al digitalizar los datos, se puede crear un sistema de inteligencia artificial (IA) que logre cumplir las funciones de los especialistas en un menor intervalo de tiempo, y hasta lograr encontrar patrones no visibles o desconocidos para el ser humano.
Igualmente, las imágenes digitalizadas facilitan tanto las consultas entre patólogos expertos a cortas o largas distancias, como el uso académico de estas imágenes a través de compartir los datos adquiridos. Cabe recalcar que, a pesar de facilitar el análisis de imágenes automatizado, el objetivo de la patología digital no es hacerse cargo del trabajo del patólogo, sino mejorar la precisión, reducir el error humano y proporcionar herramientas para un flujo de trabajo más eficiente y una mayor reproducibilidad. Además, en a largo plazo los resultados conservados de manera digital llegan a conservar una gran calidad, mientras que la tinción en la muestra física se desvanece con el tiempo.
Aplicaciones en patologías mamarias
La IA ha sido utilizada dentro de las patologías mamarias al simplificar enfoques para clasificar y detectar el cáncer, así como en la predicción de resultados. Distintos tipos de IA ya se han aplicado para la detección de formación tubular, pleomorfismo nuclear y clasificación de tumores. Por ejemplo, se han aplicado redes neuronales convolucionales durante el conteo de mitosis en cáncer de mama. Esto es sumamente importante ya que este proceso es uno de los tres parámetros en la clasificación de los tumores de mama, y lastimosamente suele ser una evaluación tediosa y un tanto subjetiva.
Por otro lado, existen otros tipos de algoritmos de aprendizaje profundo que facilitan la clasificación tumores de mama benignos frente a malignos, o la detección de carcinoma invasivo. En algunos casos se han utilizado para la detección automática de la extensión del tumor invasivo en el cáncer de mama, e inclusive para distinguir las lesiones intraductales como son las hiperplasias ductales habituales o atípicas.
Traducido y adaptado de: Robertson, S., Azizpour, H., Smith, K., & Hartman, J. (2018). Digital image analysis in breast pathology—from image processing techniques to artificial intelligence. Translational Research, 194, 19-35.
