Allà on la percepció visual humana no pot arribar amb una exhaustiva precisió, a través d’intel·ligència artificial, els algoritmes diferencien, en una imatge de ressonància magnètica, característiques que diferencien tres tipus de tumor cerebral. Són el glioblastoma multiforme, la metàstasi cerebral de tumors sòlids i el limfoma primari del sistema nerviós. El 70% dels tumors cerebrals malignes són d’un d’aquests tres tipus. Cadascun d’ells requereix un enfocament terapèutic diferent, per això és imprescindible diagnosticar-los de forma correcta i inequívoca.
Segons explica la Dra. Raquel Pérez-López, cap del Grup de Radiòmica del VHIO, “el diagnòstic diferencial no invasiu dels tumors cerebrals es basa actualment en l’avaluació d’imatge de ressonància magnètica abans i després d’administrar contrast. Tot i això, un diagnòstic definitiu moltes vegades requereix intervencions neuroquirúrgiques que comprometen la qualitat de vida dels pacients”.
Ara, però, i segons ha publicat aquesta setmana la revista Cell Reports Medicine, investigadors del Grup de Radiòmica del Vall d’Hebron Institut d’Oncologia –entre ells la Dra. Raquel Pérez-López– i de la Unitat de Neuroradiologia de l’Hospital Universitari de Bellvitge (HUB) han demostrat el potencial de DISCERN, una aplicació que han creat amb Intel·ligència Artificial (IA) mitjançant la qual són els algoritmes els que fan una precisa diana en les característiques que permeten diagnosticar cadascun dels tres tumors, i amb un encert del 78%.
Això ajuda en las decisions mèdiques per al diagnòstic de tumors cerebrals mitjançant tan sols una ressonància magnètica estàndard. D’aquesta manera es pot estalviar, en molts casos, sotmetre el pacient a procediments neuroquirúrgics.
Molta més precisió
Aquesta nova eina es basa en l’aprenentatge profund, un mètode d’intel·ligència artificial, i aprofita tota la informació espacial i temporal de la ressonància magnètica estàndard per a identificar patrons de comportament específics en la imatge de cada tumor.
“L’aprenentatge profund consisteix a ensenyar a la màquina quines són les característiques de cadascun dels tumors que trobem a les ressonàncies magnètiques de pacients ja diagnosticats” explica Alonso García-Ruiz, investigador predoctoral del Grup de Radiòmica del VHIO i primer autor d’aquest estudi. “Per exemple, si ensenyem a l’ordinador milers d’imatges de gossos i gats, aprendrà les característiques que defineixen i distingeixen gossos de gats, i en veure una imatge nova podrà diferenciar si es tracta d’un o altre”.
En aquest cas, les unitats d’aprenentatge són els vòxels, la unitat mínima de volum que podem estudiar a les imatges de ressonància magnètica. És l’equivalent al píxel, però en 3D.
“DISCERN ha après les característiques d’aquests tres tipus diferents de tumor cerebral a partir de 50.000 vòxels de 40 pacients diagnosticats”, segons va explicar la Dra. Raquel Pérez-López. “Hem validat l’eina en més de 500 casos addicionals i comprovem que el 78% dels diagnòstics que donava l’eina eren correctes, una proporció superior a l’obtinguda amb els mètodes convencionals utilitzats fins avui”.
El Grup de Radiòmica del VHIO, en estreta col·laboració amb la unitat de neuroradiologia de l’HUB, ha desenvolupat un programari amb accés obert a Diagnosi In Susceptibility Contrast Enhancing Regions for Neuroncology (DISCERN), de manera que l’eina pugui utilitzar-se a qualsevol centre i continuar perfeccionant el sistema de diagnòstic.
