- Artículo
- Fuente: Campus Sanofi
- 29 sept 2024
La IA proporciona el mapa para localizar posibles tumores cerebrales
Autor: AdrIAn
IA Expert
DISCERN es una pionera herramienta de detección tumoral desarrollada por los investigadores del Hospital Vall d'Hebron - Instituto de Oncología (VHIO) y del Hospital Universitario de Bellvitge (HUB). Dejando de lado los métodos tradicionales de diagnóstico, han logrado crear un nuevo software de IA capaz de identificar y clasificar los tres tipos de tumores cerebrales malignos con mayor incidencia poblacional:
- Glioblastoma multiforme.
- Metástasis cerebral de tumores sólidos.
- Linfoma primario del sistema nervioso.
Descubre DISCERN: La Herramienta de IA que transforma la Lucha contra el Cáncer Cerebral
DISCERN transforma las resonancias magnéticas en mapas de probabilidad tumoral
- DISCERN puede examinar imágenes cerebrales obtenidas a través de resonancias magnéticas identificando posibles masas tumorales y creando mapas de probabilidad espacial para la clasificación de dichos tumores.
- Su funcionamiento se basa en el diseño de una red neuronal convolucional autónoma, que dispone de capacidad propia de análisis y detección. Para su creación y desarrollo se ha empleado una de las formas más avanzadas de inteligencia artificial: el deep learning.
- Su software de acceso abierto podría transformar el futuro de la medicina oncológica, ofreciendo diagnósticos más rápidos, más precisos y menos invasivos.
Validado: la IA supera en eficacia los métodos tradicionales de diagnóstico
- Para poner a prueba su rendimiento, DISCERN fue utilizado en el análisis y clasificación de 400 casos clínicos.
- Su eficacia también fue comprobada por una cohorte de validación externa: esta herramienta alcanza un porcentaje de acierto del 78%, superando así los métodos convencionales de diagnóstico.
DISCERN permite una identificación precisa y rápida del tumor cerebral ofreciendo una solución potencialmente menos invasiva
DISCERN es una herramienta de IA que utiliza el deep learning para identificar y diferenciar entre tres tipos de tumores cerebrales malignos:
- Glioblastoma multiforme.
- Metástasis cerebral de tumores sólidos.
- Linfoma primario del sistema nervioso.
Estos tres tipos de tumores representan el 70% de los quistes malignos y requieren enfoques terapéuticos distintos. Por lo tanto, una identificación precisa y rápida es crucial para determinar el tratamiento adecuado y mejorar los resultados de los pacientes.
El diagnóstico de los tumores cerebrales actualmente se basa en gran medida en la evaluación de imágenes de resonancia magnética (RM) antes y después de administrar contraste. Sin embargo, estas pruebas radiológicas a menudo no son suficientes para evitar procedimientos no quirúrgicos invasivos necesarios para obtener una biopsia. Estos procedimientos, aunque efectivos, pueden comprometer la calidad de vida de los pacientes debido a su naturaleza invasiva. Aquí es donde DISCERN entra en juego, ofreciendo una solución potencialmente menos invasiva.
DISCERN transforma las resonancias magnéticas en mapas de probabilidad tumoral
DISCERN emplea el deep learning, una técnica avanzada de IA que analiza grandes cantidades de datos para identificar patrones específicos. En este caso, la herramienta se entrenó utilizando 50,000 vóxeles (la unidad mínima de volumen en RM) de 40 pacientes diagnosticados. Estos vóxeles representan la información espacial y temporal de las resonancias magnéticas estándar.
A diferencia de los métodos tradicionales que analizan la información global de toda la imagen, DISCERN se entrena con la información de cada uno de los vóxeles que conforman cada imagen digital del tumor. Este enfoque granular permite a la IA aprender con mayor precisión las características distintivas de cada tipo de tumor.
La herramienta se validó en más de 500 casos adicionales, logrando una precisión del 78% en sus diagnósticos, una proporción superior a la obtenida con los métodos convencionales.
Resumen de la población y diseño del estudio
(A) Datos recogidos, excluidos e incluidos para el análisis y divididos a su vez en cohorte de desarrollo y cohortes de validación externa. Se muestra el número de pacientes cada tipo de tumor y la respectiva distribución de perfusión nDSC para cada cohorte.
(B) Proceso de la aplicación DISCERN para la clasificación de tumores en 3 direcciones a partir de datos de DSC. En la parte superior, se proporcionan las imágenes de entrada de CE-T1WI para la selección automática de la región de interés y DSC para la clasificación. A continuación, se extraen las curvas de DSC por vóxel del tumor con realce y de la sustancia blanca normal del hemisferio contralateral. Las señales de DSC dinámicas del tumor realzante se normalizan (nDSC) con respecto a la sustancia blanca. Cada nDSC es clasificado por 2 CNNs secuenciales, obteniendo un mapa de probabilidad y una clasificación global del tumor. CE-T1WI, imágenes ponderadas en T1 con contraste.
DISCERN analiza de forma profunda los datos de la imagen que el ojo humano no es capaz de percibir, encontrando patrones complejos que caracterizan un tumor
Una característica novedosa de DISCERN es su capacidad para proporcionar diagnósticos detallados a nivel de vóxel. Esto significa que, además de ofrecer un diagnóstico final, la herramienta también proporciona un diagnóstico para cada uno de los vóxeles de la imagen. Si el mismo diagnóstico se repite para el 80% de los vóxeles, el médico puede estar más seguro del diagnóstico.
En los casos donde la herramienta no está segura (aproximadamente un 22% de los casos), los diagnósticos se asignan de manera aleatoria, permitiendo al médico detectar la incertidumbre y descartar el diagnóstico si es necesario. Este enfoque reduce el riesgo de diagnósticos incorrectos y proporciona a los médicos una herramienta confiable para tomar decisiones clínicas.
Alta precisión, accesibilidad global y aplicabilidad clínica: DISCERN traza un nuevo camino en el diagnóstico del tumor cerebral
Esta herramienta supone un gran avance en el ámbito del diagnóstico de tumores cerebrales malignos. Sus destacadas habilidades de análisis, identificación y clasificación, permiten una detección temprana de estos carcinomas, lo que facilita la elección de tratamientos más personalizados y eficaces, mejorando significativamente la calidad de vida de los pacientes.
Con una tasa de acierto del 78%, DISCERN supera significativamente a los métodos diagnósticos convencionales. Esta precisión mejorada no solo ayuda a identificar correctamente el tipo de tumor, sino que también facilita la toma de decisiones clínicas, permitiendo a los médicos planificar mejor los tratamientos y mejorar los resultados de los pacientes.
Para fomentar la adopción global y el perfeccionamiento continuo, los investigadores han desarrollado un software de acceso abierto. Esto significa que cualquier hospital en el mundo puede utilizar y contribuir a mejorar DISCERN. La disponibilidad de este software en un formato accesible permite que más instituciones médicas se beneficien de esta tecnología avanzada, acelerando su integración en la práctica clínica.
Aunque DISCERN ha demostrado su eficacia en estadios iniciales, la herramienta todavía requiere ensayos clínicos adicionales antes de ser implementada de manera rutinaria en la práctica clínica. DISCERN podría estar disponible para uso regular en hospitales, tras la realización de ensayos clínicos prospectivos que confirmen sus beneficios. Tras su perfeccionamiento en el ámbito de la detección de tumores cerebrales, podría aplicarse en el diagnóstico de otro tipo de carcinomas.
Mapas de probabilidad y rendimiento diagnóstico de DISCERN
(A) Se muestran nueve casos (3 por tipo de tumor) correctamente clasificados por DISCERN, de izquierda a derecha: PCNSL, metástasis y GBM. En la fila superior, un corte 2D representativo de la CE-T1WI registrado en el DSC con mapas de probabilidad superpuestos para PCNSL frente a no PCNSL (fila central) y para GBM frente a metástasis (fila inferior) de casos no PCNSL.
(B) Curvas ROC para los clasificadores binarios PCNSL frente a no PCNSL (arriba) y GBM frente a metástasis (abajo) para la CNN propuesta, rCBV y PSR. La CNN proporcionó un AUC significativamente mayor que rCBV para PCNSL frente a no PCNSL y mayor que rCBV y PSR para GBM frente a metástasis.
(C) Curvas ROC de tres clases que muestran la media y la DE de combinaciones de 2 clases, de izquierda a derecha: la CNN propuesta, rCBV y PSR.
Con DISCERN los futuros diagnósticos de tumor cerebral tienen muy presente la reducción de procedimientos invasivos
Una de las ventajas más significativas de DISCERN es su potencial para reducir la necesidad de biopsias invasivas. Al proporcionar diagnósticos más precisos a partir de imágenes de resonancia magnética, la herramienta puede ayudar a evitar procedimientos neuroquirúrgicos en una proporción significativa de pacientes. Esto no solo mejora la calidad de vida de los pacientes, sino que también reduce los riesgos y costos asociados con las biopsias.
El desarrollo y la validación de DISCERN representan un avance significativo en el diagnóstico de tumores cerebrales. Sin embargo, los investigadores no se detendrán aquí. Se planea continuar mejorando la herramienta, ampliando capacidad para identificar otros tipos de tumores cerebrales y refinando sus algoritmos para aumentar aún más su precisión.
Además, los resultados publicados abren la puerta a la colaboración con otras instituciones médicas, permitiendo validar la herramienta en una variedad más amplia de pacientes y condiciones. Este enfoque colaborativo es vital para asegurar que DISCERN se convierta en una herramienta robusta y fiable que pueda integrarse sin problemas en la práctica clínica diaria.
DISCERN transforma las resonancias magnéticas en mapas de probabilidad tumoral
- DISCERN puede examinar imágenes cerebrales obtenidas a través de resonancias magnéticas identificando posibles masas tumorales y creando mapas de probabilidad espacial para la clasificación de dichos tumores.
- Su funcionamiento se basa en el diseño de una red neuronal convolucional autónoma, que dispone de capacidad propia de análisis y detección. Para su creación y desarrollo se ha empleado una de las formas más avanzadas de inteligencia artificial: el deep learning.
- Su software de acceso abierto podría transformar el futuro de la medicina oncológica, ofreciendo diagnósticos más rápidos, más precisos y menos invasivos.
Validado: la IA supera en eficacia los métodos tradicionales de diagnóstico
- Para poner a prueba su rendimiento, DISCERN fue utilizado en el análisis y clasificación de 400 casos clínicos.
- Su eficacia también fue comprobada por una cohorte de validación externa: esta herramienta alcanza un porcentaje de acierto del 78%, superando así los métodos convencionales de diagnóstico.
DISCERN permite una identificación precisa y rápida del tumor cerebral ofreciendo una solución potencialmente menos invasiva
DISCERN es una herramienta de IA que utiliza el deep learning para identificar y diferenciar entre tres tipos de tumores cerebrales malignos:
- Glioblastoma multiforme.
- Metástasis cerebral de tumores sólidos.
- Linfoma primario del sistema nervioso.
Estos tres tipos de tumores representan el 70% de los quistes malignos y requieren enfoques terapéuticos distintos. Por lo tanto, una identificación precisa y rápida es crucial para determinar el tratamiento adecuado y mejorar los resultados de los pacientes.
El diagnóstico de los tumores cerebrales actualmente se basa en gran medida en la evaluación de imágenes de resonancia magnética (RM) antes y después de administrar contraste. Sin embargo, estas pruebas radiológicas a menudo no son suficientes para evitar procedimientos no quirúrgicos invasivos necesarios para obtener una biopsia. Estos procedimientos, aunque efectivos, pueden comprometer la calidad de vida de los pacientes debido a su naturaleza invasiva. Aquí es donde DISCERN entra en juego, ofreciendo una solución potencialmente menos invasiva.
DISCERN transforma las resonancias magnéticas en mapas de probabilidad tumoral
DISCERN emplea el deep learning, una técnica avanzada de IA que analiza grandes cantidades de datos para identificar patrones específicos. En este caso, la herramienta se entrenó utilizando 50,000 vóxeles (la unidad mínima de volumen en RM) de 40 pacientes diagnosticados. Estos vóxeles representan la información espacial y temporal de las resonancias magnéticas estándar.
A diferencia de los métodos tradicionales que analizan la información global de toda la imagen, DISCERN se entrena con la información de cada uno de los vóxeles que conforman cada imagen digital del tumor. Este enfoque granular permite a la IA aprender con mayor precisión las características distintivas de cada tipo de tumor.
La herramienta se validó en más de 500 casos adicionales, logrando una precisión del 78% en sus diagnósticos, una proporción superior a la obtenida con los métodos convencionales.
Resumen de la población y diseño del estudio
(A) Datos recogidos, excluidos e incluidos para el análisis y divididos a su vez en cohorte de desarrollo y cohortes de validación externa. Se muestra el número de pacientes cada tipo de tumor y la respectiva distribución de perfusión nDSC para cada cohorte.
(B) Proceso de la aplicación DISCERN para la clasificación de tumores en 3 direcciones a partir de datos de DSC. En la parte superior, se proporcionan las imágenes de entrada de CE-T1WI para la selección automática de la región de interés y DSC para la clasificación. A continuación, se extraen las curvas de DSC por vóxel del tumor con realce y de la sustancia blanca normal del hemisferio contralateral. Las señales de DSC dinámicas del tumor realzante se normalizan (nDSC) con respecto a la sustancia blanca. Cada nDSC es clasificado por 2 CNNs secuenciales, obteniendo un mapa de probabilidad y una clasificación global del tumor. CE-T1WI, imágenes ponderadas en T1 con contraste.
DISCERN analiza de forma profunda los datos de la imagen que el ojo humano no es capaz de percibir, encontrando patrones complejos que caracterizan un tumor
Una característica novedosa de DISCERN es su capacidad para proporcionar diagnósticos detallados a nivel de vóxel. Esto significa que, además de ofrecer un diagnóstico final, la herramienta también proporciona un diagnóstico para cada uno de los vóxeles de la imagen. Si el mismo diagnóstico se repite para el 80% de los vóxeles, el médico puede estar más seguro del diagnóstico.
En los casos donde la herramienta no está segura (aproximadamente un 22% de los casos), los diagnósticos se asignan de manera aleatoria, permitiendo al médico detectar la incertidumbre y descartar el diagnóstico si es necesario. Este enfoque reduce el riesgo de diagnósticos incorrectos y proporciona a los médicos una herramienta confiable para tomar decisiones clínicas.
Alta precisión, accesibilidad global y aplicabilidad clínica: DISCERN traza un nuevo camino en el diagnóstico del tumor cerebral
Esta herramienta supone un gran avance en el ámbito del diagnóstico de tumores cerebrales malignos. Sus destacadas habilidades de análisis, identificación y clasificación, permiten una detección temprana de estos carcinomas, lo que facilita la elección de tratamientos más personalizados y eficaces, mejorando significativamente la calidad de vida de los pacientes.
Con una tasa de acierto del 78%, DISCERN supera significativamente a los métodos diagnósticos convencionales. Esta precisión mejorada no solo ayuda a identificar correctamente el tipo de tumor, sino que también facilita la toma de decisiones clínicas, permitiendo a los médicos planificar mejor los tratamientos y mejorar los resultados de los pacientes.
Para fomentar la adopción global y el perfeccionamiento continuo, los investigadores han desarrollado un software de acceso abierto. Esto significa que cualquier hospital en el mundo puede utilizar y contribuir a mejorar DISCERN. La disponibilidad de este software en un formato accesible permite que más instituciones médicas se beneficien de esta tecnología avanzada, acelerando su integración en la práctica clínica.
Aunque DISCERN ha demostrado su eficacia en estadios iniciales, la herramienta todavía requiere ensayos clínicos adicionales antes de ser implementada de manera rutinaria en la práctica clínica. DISCERN podría estar disponible para uso regular en hospitales, tras la realización de ensayos clínicos prospectivos que confirmen sus beneficios. Tras su perfeccionamiento en el ámbito de la detección de tumores cerebrales, podría aplicarse en el diagnóstico de otro tipo de carcinomas.
Mapas de probabilidad y rendimiento diagnóstico de DISCERN
(A) Se muestran nueve casos (3 por tipo de tumor) correctamente clasificados por DISCERN, de izquierda a derecha: PCNSL, metástasis y GBM. En la fila superior, un corte 2D representativo de la CE-T1WI registrado en el DSC con mapas de probabilidad superpuestos para PCNSL frente a no PCNSL (fila central) y para GBM frente a metástasis (fila inferior) de casos no PCNSL.
(B) Curvas ROC para los clasificadores binarios PCNSL frente a no PCNSL (arriba) y GBM frente a metástasis (abajo) para la CNN propuesta, rCBV y PSR. La CNN proporcionó un AUC significativamente mayor que rCBV para PCNSL frente a no PCNSL y mayor que rCBV y PSR para GBM frente a metástasis.
(C) Curvas ROC de tres clases que muestran la media y la DE de combinaciones de 2 clases, de izquierda a derecha: la CNN propuesta, rCBV y PSR.
Con DISCERN los futuros diagnósticos de tumor cerebral tienen muy presente la reducción de procedimientos invasivos
Una de las ventajas más significativas de DISCERN es su potencial para reducir la necesidad de biopsias invasivas. Al proporcionar diagnósticos más precisos a partir de imágenes de resonancia magnética, la herramienta puede ayudar a evitar procedimientos neuroquirúrgicos en una proporción significativa de pacientes. Esto no solo mejora la calidad de vida de los pacientes, sino que también reduce los riesgos y costos asociados con las biopsias.
El desarrollo y la validación de DISCERN representan un avance significativo en el diagnóstico de tumores cerebrales. Sin embargo, los investigadores no se detendrán aquí. Se planea continuar mejorando la herramienta, ampliando capacidad para identificar otros tipos de tumores cerebrales y refinando sus algoritmos para aumentar aún más su precisión.
Además, los resultados publicados abren la puerta a la colaboración con otras instituciones médicas, permitiendo validar la herramienta en una variedad más amplia de pacientes y condiciones. Este enfoque colaborativo es vital para asegurar que DISCERN se convierta en una herramienta robusta y fiable que pueda integrarse sin problemas en la práctica clínica diaria.
