Inteligencia artificial astrofísica para diagnosticar el cáncer de colon en menos tiempo

El Hospital Universitario de Canarias y el Instituto de Astrofísica de Canarias desarrollan una herramienta para acelerar el análisis de las biopsias

Eduardo Salido, patólogo del Complejo Hospitalario Universitario de Canarias (derecha), examina los resultados del análisis automatizado de una muestra en el muro de visualización de alta resolución del IAC junto con Carlos Luque (sentado), ingeniero informático del IAC, y Carlos Westendorp, astrofísico del IAC.

Eduardo Salido, patólogo del Complejo Hospitalario Universitario de Canarias (derecha), examina los resultados del análisis automatizado de una muestra en el muro de visualización de alta resolución del IAC junto con Carlos Luque (sentado), ingeniero informático del IAC, y Carlos Westendorp, astrofísico del IAC. / El Día

La inteligencia artificial que los astrofísicos utilizan para ahorrar tiempo a la hora de estudiar el firmamento, será la encargada de diagnosticar con mayor celeridad el cáncer de colon en el Hospital Universitario de Canarias (HUC). El servicio de Anatomía Patológica del centro hospitalario y el Instituto de Astrofísica de Canarias (IAC) están desarrollando, en base a los conocimientos sanitarios y técnicos de ambas instituciones, una nueva herramienta que permita acelerar el proceso de diagnóstico por imagen que, a día de hoy, se realiza de manera manual.

Y es que los patólogos de Canarias realizan los análisis de las biopsias que llegan a laboratorio una por una. "Las observamos al microscopio para corroborar si existe o no una lesión maligna", explica Eduardo Salido, jefe de Anatomía Patológica del HUC. Se trata de un proceso manual que puede conllevarle unos 6 minutos de análisis por microscopio a "un patólogo experimentado con más de diez años de formación". Incluso realizando una preselección de las biopsias en base al perfil de riesgo de los pacientes, "el diagnóstico de las muestras de alto riesgo puede demorarse entre 3 y 5 días y hasta un mes en las rutinarias", explica Salido. Con inteligencia artificial, el experto calcula que el tiempo se podría reducir a 6 segundos.

La situación se agrava en las islas no capitalinas pues, aunque se recogen muestras a diario, carecen de medios humanos para realizar el análisis pormenorizado de las imágenes en poco tiempo. "Cada vez tenemos más demanda porque se realizan más cribados", explica Salido. El cáncer colorrectal es el que muestra una mayor incidencia tiene entre los canarios - acumula el 14% de casos de cáncer en las Islas- y su diagnóstico temprano, a través del cribado poblacional, es una de las fórmulas más eficaces para evitar que progrese.

El cáncer colorrectal es el que muestra una mayor incidencia en las Islas, hasta el 14% de los casos de cáncer

De esta necesidad surge entonces la idea de aplicar las nuevas técnicas de inteligencia artificial, machine learning y deep learning en beneficio de los pacientes. "Hablamos con el IAC porque sabíamos que ellos también obtienen cientos de imágenes del firmamento que criban para acelerar los procesos de análisis", explica Salido. De la colaboración de ambas instituciones aparece el proyecto Patolog-IA, que busca adaptar las tecnologías de análisis de imágenes astrofísicas a imágenes biológicas.

Los investigadores del IAC han "entrenando" a la inteligencia artificial en base a modelos y bases de datos ya publicadas. "Hemos utilizado información de universidades de China y Alemania", describe Carlos Luque. Esta inteligencia artificial se basa en la metodología "Maestro Medio". En este modelo se combinan dos redes neuronales idénticas y muy profundas. Una red hace de "estudiante", lo que significa que, con pocas imágenes etiquetadas, va aprendiendo las características para detectar tumores. La otra red hace de "maestro", recibe parte de la información del alumno e intenta clasificar las imágenes sin etiquetar. "Este rol va cambiando entre ambas redes neuronales para que haya un intercambio continuo de conocimientos", explica Luque.

Después de varios meses de uso iterativo, la inteligencia artificial ha empezado a tener resultados satisfactorios. El mecanismo ha acertado entre un 80 y un 90% de las ocasiones. Pero aún le queda mucho por aprender.

De hecho, el desarrollo de la inteligencia artificial ha encontrado muchas dificultades. El primer obstáculo fue adaptar las imágenes de gran tamaño que procesan las biopsias a la red neuronal artificial. "Cada biopsia -se hacen varias de un solo paciente- ocupaba al menos 8 gigabytes de memoria, lo que impedía a la tarjeta gráfica poder analizarla por completo", explica Luque. Las imágenes digitalizadas de las muestras humanas pueden llegar a tener cientos de millones de píxeles, equivalentes a más de una decena de televisiones de alta definición. Las imágenes típicas provenientes de prospecciones astronómicas suelen ser de menor tamaño, aunque muy numerosas. Los investigadores encontraron una solución en hacerlas más pequeñas. "Con recortes de rectángulos de 300 píxeles las imágenes resultaban más fácil de analizar", explica el astrofísico, que señala que la máquina primero realiza un análisis individual para, posteriormente, "lograr un análisis del conjunto", explica Luque.

La inteligencia artificial analiza las imágenes recortadas

Los patólogos encontraron sus propias dificultades. "Nos dimos cuenta de que la tinción que nosotros aplicamos de manera habitual, estaba haciendo fallar al algoritmo", asegura Salido. Y es que en el proceso de tinción, hay momentos en el que el color con el que se tiñen los tejidos es más intenso que otras veces. "Algo imperceptible al ojo humano", pero que para la máquina es un verdadero "descalabro". "Descubrir eso fue sorprendente y nos dimos cuenta de casualidad, cuando vimos que en algunas biopsias la inteligencia artificial se equivocaba muchísimo más", explica.

Aunque los primeros resultados son esperanzadores, tanto los investigadores del IAC como los del HUC saben que este desarrollo es una carrera de fondo. "Vamos poco a poco, llevamos menos de un año y, de momento, nosotros nos dedicamos en nuestros ratos libres", destaca el patólogo. Por su parte, Carlos Luque asegura que su puesta en funcionamiento siempre dependerá de que "la opinión de los patólogos" y de que los resultados "sean coherentes".

Aunque aún no está a punto, ya se ha instalado un servidor de cómputo, que incorpora una tarjeta gráfica donada por NVIDIA al IAC, para el uso exclusivo del HUC. El servicio está todavía en fase de pruebas, pero pronto las imágenes obtenidas diariamente en el hospital se podrán subir al servidor y éste devolverá una lista priorizada para ser revisada por los médicos. "El diagnóstico final será realizado por un patólogo especializado, pero los casos más urgentes serán identificados más rápidamente gracias a la ayuda de la inteligencia artificial", subraya Carlos Luque, investigador del proyecto EuroCC en el que se enmarca el desarrollo de esta herramienta.

El diseño actual se ha realizado en un periodo de tan solo unos meses gracias a que los tejidos tienen características comunes para toda la especie humana. "En el futuro queremos que la red preste más atención a detalles específicos identificados por el HUC", señala Andrés Asensio, investigador del IAC. "Además, con esta técnica también se puede aplicar a otros datos, como los astronómicos, creemos que es un gran ejemplo de los beneficios del trasvase de conocimiento entre campos diferentes unidos por las técnicas de inteligencia artificial”, añade. De hecho, en un futuro los investigadores creen que esta herramienta podría revolucionar el diagnóstico por imagen de varios servicios dentro del Servicio Canario de la Salud (SCS).