Pedro Zhang
1 de noviembre de 2024 05:01
Un revolucionario modelo de IA desarrollado por investigadores del UT Southwestern Medical Center puede detectar metástasis de cáncer de mama sin cirugía, mediante análisis avanzados de resonancia magnética.
En un avance significativo en la tecnología médica, investigadores del Centro Médico Southwestern de la Universidad de Texas han desarrollado un modelo de aprendizaje profundo que puede detectar la propagación del cáncer de mama sin necesidad de cirugía invasiva. Esta herramienta basada en inteligencia artificial analiza series temporales de imágenes por resonancia magnética y datos clínicos para identificar si las células cancerosas han hecho metástasis en los ganglios linfáticos cercanos, un desarrollo que podría transformar la planificación del tratamiento para médicos y pacientes, según NVIDIA.
Reducir los procedimientos invasivos
Actualmente, los médicos suelen utilizar biopsias del ganglio linfático centinela (SLNB) para determinar si el cáncer de mama se ha diseminado a los ganglios linfáticos. Este procedimiento implica inyectar un tinte y una solución radiactiva cerca del tumor para identificar los ganglios linfáticos centinela, que luego se extirpan quirúrgicamente para realizar una biopsia. Aunque eficaz, la SLNB es invasiva y conlleva riesgos como complicaciones de la anestesia, exposición a la radiación y dolor posquirúrgico.
El nuevo modelo de IA, sin embargo, presenta una alternativa no invasiva. Utilizando una red neuronal convolucional de cuatro dimensiones personalizada (4D CNN), el modelo se entrenó con datos de resonancia magnética dinámica con contraste (DCE-MRI) de 350 mujeres diagnosticadas con cáncer de mama que se había extendido a los ganglios linfáticos. Procesa datos en cuatro dimensiones, examina imágenes de resonancia magnética 3D a lo largo del tiempo e integra variables clínicas como la edad y el grado del tumor para identificar con precisión los ganglios linfáticos cancerosos.
Alta precisión e implicaciones futuras.
El modelo de IA demostró una impresionante tasa de precisión del 89% en la identificación de metástasis en los ganglios linfáticos, superando los métodos de imágenes tradicionales y las evaluaciones de los radiólogos. Potencialmente, esto podría evitar que las pacientes con cáncer de mama se sometan a procedimientos innecesarios como la SLNB y la disección de los ganglios linfáticos axilares (ALND), reduciendo así los riesgos asociados y los recursos sanitarios.
El Dr. Dogan Polat, autor principal del estudio, destacó el enfoque del modelo en los datos del tumor primario, minimizando la necesidad de imágenes adicionales. “Nuestro objetivo es disminuir la necesidad de imágenes adicionales y reducir la cantidad de procedimientos invasivos para los pacientes”, dijo el Dr. Polat, destacando el potencial del modelo para mejorar los resultados de los pacientes y agilizar el tratamiento del cáncer.
Pensar
Los investigadores planean implementar el modelo de IA en entornos clínicos del mundo real para recopilar datos para su posterior validación y refinamiento. Este paso es crucial para evaluar su eficacia en una gama más amplia de escenarios clínicos y potencialmente extender su aplicación a otros cánceres.
El uso de las GPU Tensor Core A100 y V100 de NVIDIA fue clave para crear y entrenar el modelo, como señaló Paniz Karbasi, coautor del estudio e ingeniero senior de HPC de NVIDIA. Esta colaboración destaca el papel de la tecnología de vanguardia en el avance de la investigación médica y la mejora de la precisión del diagnóstico.
Fuente de la imagen: Shutterstock