Método automatizado de diagnóstico del cáncer combina tecnología de ultrasonido de punta con IA

Cada año, se notifican más de 40.000 nuevos casos de cáncer de tiroides. Si bien entre el 60 y el 80 % de los pacientes con tumores de tiroides se someten a biopsias, el costo financiero y físico potencial de estos procedimientos puede ser innecesario para aquellos con tumores benignos. Actualmente, es un desafío para los médicos medir con precisión la gravedad de un tumor, ya que diferentes médicos tienen opiniones divergentes sobre el nivel de amenaza de un tumor.

Los métodos de ultrasonido estándar, que generan imágenes de tejidos y órganos en función de las ondas de sonido que reflejan, son eficaces para identificar tumores de tiroides. Sin embargo, la tecnología puede tener dificultades para distinguir los diminutos sonidos emitidos por los pequeños vasos sanguíneos, o microvasculatura, de los del tejido circundante, a pesar de que la microvasculatura proporciona pistas vitales sobre la naturaleza cancerosa de una masa. Aunque la introducción de agentes de contraste (sustancias químicas fáciles de visualizar y de uso común en los procedimientos de imágenes médicas) permite que el ultrasonido muestre imágenes detalladas de la microvasculatura del tumor, estas sustancias deben inyectarse en los pacientes y, a veces, causan efectos secundarios adversos. Si bien las técnicas de ultrasonido más recientes pueden ofrecer imágenes de nódulos más claras, la evaluación final aún depende del juicio subjetivo de los médicos.

Investigadores de la Facultad de Medicina y Ciencias de la Clínica Mayo (Rochester, MN, EUA) han demostrado que un método de diagnóstico de cáncer pionero, que combina técnicas avanzadas de ultrasonido con inteligencia artificial (IA), puede diagnosticar eficazmente el cáncer de tiroides. Este método, denominado imágenes de microvasculatura de alta definición o HDMI, captura de forma no invasiva imágenes de los diminutos vasos dentro de los tumores y, en función de las características de los vasos, clasifica automáticamente las masas. Los investigadores creen que HDMI podría resolver potencialmente el desafío de diagnóstico de larga data de evaluar los tumores de tiroides en un entorno clínico.

Los investigadores desarrollaron HDMI en un esfuerzo por desarrollar una solución de imágenes asequible y no invasiva para evaluar tumores de tiroides que pudiera ofrecer resultados cuantificables y minimizar los errores. Este sistema utiliza el aprendizaje automático, un subconjunto de la IA, para evaluar imágenes de alta resolución de la microvasculatura tumoral. La técnica ya ha mostrado potencial para evaluar con precisión los tumores de mama. En un estudio reciente, el equipo probó HDMI en tumores de tiroides en 92 pacientes. Capturaron imágenes de los tumores usando HDMI y analizaron una docena de características relacionadas con el tamaño y la forma de la microvasculatura en las imágenes, incluida su densidad y puntos de ramificación. Todos los pacientes del estudio, en consulta con sus médicos, optaron por someterse a una biopsia de sus tumores para confirmar su estado de malignidad. Aquellos con tumores considerados cancerosos se sometieron a cirugía para extirpar la masa.

Los investigadores proporcionaron a sus algoritmos de aprendizaje automático el 70 % de sus datos de imágenes de los tumores de los pacientes, junto con el estado de malignidad, para enseñar a los algoritmos cómo interpretar diversas características. A través de un proceso de prueba y error, los algoritmos construyeron modelos predictivos, que luego se usaron para determinar el estado de los tumores reflejados en el 30 % restante de los datos. Las clasificaciones de HDMI fueron precisas el 89 % de las veces, según las evaluaciones clínicas de las biopsias y cirugías. Estos resultados sugieren que HDMI podría ser un método de diagnóstico más confiable que las técnicas tradicionales y podría ahorrarles a numerosos pacientes cirugías innecesarias en el futuro. Los investigadores ahora están refinando el método para mejorar aún más su precisión. Planean investigar su desempeño en el diagnóstico de otros tipos de cáncer y si puede ayudar a monitorear la efectividad de la quimioterapia en crecimientos cancerosos.

"Debido a que HDMI le permite diferenciar objetivamente los nódulos benignos de los malignos, podría mejorar en gran medida la precisión diagnóstica y reducir la cantidad de cirugías innecesarias que se realizan ahora", dijo la autora del estudio, Azra Alizad, MD, profesora de radiología e ingeniería biomédica en la Clínica Mayo.

Enlaces relacionados:
Clínica Mayo

Visitar la expo >

Breast Localization System

MAMMOREP LOOP

Digital Intelligent Ferromagnetic Detector

Digital Ferromagnetic Detector

High-Precision QA Tool

DEXA Phantom

Digital X-Ray Detector Panel

Acuity G4