La evaluación de imágenes por resonancia magnética junto con contraste de susceptibilidad dinámica (DSC) son las herramientas en las que se basa el diagnóstico diferencial no invasivo de los tumores cerebrales en la actualidad. No obstante, en ocasiones el diagnóstico definitivo requiere someter a los pacientes a intervenciones neuroquirúrgicas que comprometen su calidad de vida.
En este sentido, investigadores del Grupo de Radiómica del Vall d’Hebron Instituto de Oncología (VHIO), junto con investigadores de la Unidad de Neuroradiología del Hospital Universitari de Bellvitge (HUB), han diseñado DISCERN (Diagnosis In Susceptibility Contrast Enhancing Regions for Neuro-oncology), una herramienta basada en aprendizaje de patrones mediante modelos de inteligencia artificial (IA) a partir de la información que proporciona la resonancia magnética estándar.
Concretamente, el equipo de investigación aplicó aprendizaje profundo en imágenes DSC de pacientes con glioblastoma multiforme, metástasis cerebrales de tumores sólidos o linfoma primario del sistema nervioso confirmados histológicamente, ya que en su conjunto representan el 70 por ciento de los tumores cerebrales malignos. Los resultados de la investigación, publicada en Cell Reports Medicine, confirman que DISCERN supera a los métodos convencionales para ayudar al diagnóstico de estos tumores.
Aprendizaje profundo
La nueva 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.
“El aprendizaje profundo consiste en enseñar a la máquina cuáles son las características de cada uno de los tumores que encontramos en las resonancias magnéticas de pacientes ya diagnosticados” explica Alonso García-Ruiz, investigador predoctoral del Grupo de Radiómica del VHIO y primer autor del estudio. “Por ejemplo si le enseñamos al ordenador miles de imágenes de perros y gatos, aprenderá las características que definen y distinguen a perros de gatos y al ver una imagen nueva podrá diferenciar si se trata de uno u otro”, añade.
Cada uno de estos tumores requiere un enfoque terapéutico concreto por lo que es fundamental que el diagnóstico se realice de forma correcta e inequívoca.
“Este trabajo es el fruto de una línea de investigación de más de cinco años en la que hemos identificado innovadores biomarcadores de imagen de perfusión por resonancia magnética útiles en el diagnóstico diferencial de los tumores cerebrales. En este proyecto se integra el conocimiento de varios 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”, afirma Albert Pons-Escoda, neuroradiólogo clínico e investigador de la Unidad de Neuroradiología del HUB y coautor del estudio.
Vóxeles
Para este modelo las unidades de aprendizaje son los vóxeles, la unidad mínima de volumen que se pueden estudiar en las imágenes de resonancia magnética. Es el equivalente al píxel, pero en 3D. Específicamente la red neuronal convolucional entrenada en aproximadamente 50.000 vóxeles de 40 pacientes ha proporcionado mapas de probabilidad intratumoral que producen un diagnóstico de grado clínico.
“DISCERN ha aprendido las características de estos tres tipos diferentes de tumor cerebral a partir de 50.000 vóxeles de 40 pacientes diagnosticados”, explica Raquel Pérez-López, jefa del Grupo de Radiómica del VHIO e investigadora sénior del estudio. “Validamos la herramienta en más de 500 casos adicionales y comprobamos que el 78 por ciento de los diagnósticos que daba la herramienta eran correctos, una proporción superior a la obtenida con los métodos convencionales utilizados hasta hoy”, señala.
Este resultado es muy positivo, ya que el porcentaje de asertividad es mayor que las métricas de resonancia magnética convencionales, el volumen de sangre cerebral (55 por ciento) y el porcentaje de recuperación de la señal (59 por ciento), lo que muestra un alto valor como herramienta de diagnóstico de apoyo.
“Se trata de una herramienta de apoyo al diagnóstico que ofrece una información de gran utilidad para guiar las decisiones médicas de los grupos multidisciplinares en cuanto a la necesidad y el tipo de cirugía requerido para confirmar el diagnóstico”, apunta Carles Majós, neurorradiólogo clínico e investigador de la Unidad de Neuroradiología del HUB y coautor del estudio.
El software DISCERN tiene acceso abierto, por lo que la herramienta puede utilizarse en cualquier centro y así seguir perfeccionando el sistema de diagnóstico.
Para llevar a cabo este trabajo han contado con la colaboración de la Unidad de Neurooncología del IDIBELL (Barcelona), los Servicios de Radiología del Hospital Universitari Bellvitge, del Hospital Clínic de Barcelona y el Departamento de Radiología de HT Medica (Andalucía), el Departamento de Medicina Radiológica y Ciencias Aplicadas y el Departamento de Bioingeniería en la Universidad de California.
También te puede interesar…
