La herramienta se basa en el aprendizaje profundo, un método de inteligencia artificial, que aprovecha toda la información espacial y temporal de la resonancia magnética estándar para identificar patrones de comportamiento específicos en la imagen de cada tumor.
Los resultados de este estudio, publicados en la revista Cell Reports Medicine, demuestran que la probabilidad de éxito de DISCERN es del 78 % a la hora de diferenciar entre los tres tipos de tumores cerebrales malignos más frecuentes: el glioblastoma multiforme, la metástasis cerebral de tumores sólidos y el linfoma primario del sistema nervioso.
Actualmente, para confirmar el tipo de tumor es necesario en la mayoría de los casos someter al paciente a procedimientos neuroquirúrgicos con el fin de obtener una biopsia, explicó a EFE la jefa del Grupo de Radiómica del VHIO, la doctora Raquel Pérez-López.
Con esta nueva herramienta, capaz de diferenciar los tres tipos de tumores cerebrales malignos más frecuentes, se espera que, si se validan los resultados obtenidos en un ensayo clínico, pueda usarse en un futuro en la práctica clínica habitual.
«No evitará la biopsia en todos los pacientes, pero esperamos que sí lo haga en un porcentaje de ellos», auguró Pérez-López.
La investigadora resaltó que un correcto diagnóstico del tipo de tumor es imprescindible, puesto que cada uno requiere un enfoque terapéutico distinto.
Aprender de trabajos previos
Como ocurre en las aplicaciones de IA, «cuantos más casos se enseña a la herramienta mejor aprende y cuando ve un nuevo caso le resulta más fácil identificar patrones», precisó la investigadora.
Así, DISCERN ha aprendido las características de estos tres tipos diferentes de tumor cerebral a partir de 50.000 vóxeles de 40 pacientes diagnosticados, indicó.
Los vóxeles son un equivalente al píxel pero en 3D y representan la unidad mínima de volumen con la que se pueden estudiar en las imágenes de resonancia magnética.
A partir de esos datos, la herramienta se ha validado en más de 500 casos adicionales y «se ha comprobado que el 78 % de los diagnósticos que daba la herramienta eran correctos, una proporción superior a la obtenida con los métodos convencionales utilizados hasta ahora», detalló Pérez-López.
Por su parte, el investigador de Bellvitge Albert Pons-Escoda señaló que «en este proyecto se integra el conocimiento de diversos trabajos previos con métodos de inteligencia artificial, lo que deriva en un software que automatiza la clasificación diagnóstica prequirúrgica con muy buena precisión, a la vez que facilita su aplicabilidad clínica con una interfaz amigable para los clínicos».
Asimismo, los investigadores explican que han desarrollado el software de «DISCERN» con acceso abierto para que la herramienta pueda utilizarse en cualquier centro y seguir perfeccionando el sistema de diagnóstico.
Con información de EFE
