Medicina

Revolución contra el cáncer: cómo la IA está mejorando su diagnóstico y tratamiento

Los hospitales públicos catalanes utilizan un proyecto pionero para detectar los tumores de forma más precisa y segura

BarcelonaUn vistazo rápido le basta para decir: "Esto es colon y eso de aquí, mamá". A ojos inexpertos, las muestras de tejidos que reposan sobre aquellos cristales pequeños y alargados son muy similares y recuerdan las manchas de tinta utilizadas en el conocido test psicológico. Jordi Temprana, médico adjunto en el Servicio de Anatomía Patológica del Hospital Vall d'Hebron, repasa con la mirada las preparaciones que hay sobre la mesa, coge otra, nos la muestra y concluye: “Esto también es mamá ”.

En un sótano del edificio de laboratorios clínicos del mayor hospital de Catalunya hay almacenados millones, literalmente, de muestras procedentes de biopsias realizadas en este centro desde que se inauguró, a mediados del siglo pasado. Las más antiguas, con el color amortiguado, están aún etiquetadas con el primer nombre del hospital, el del dictador español: Residencia Sanitaria Francisco Franco. La mayoría son extractos de tumores, pero no todos. Y esta colección aumenta todos los días a medida que recibe nuevos cristales con nuevas muestras de biopsias.

Cargando
No hay anuncios

Cada vez que se extrae una porción sospechosa de tejido a un paciente, después de tratarla con parafina para conservarla, se cortan algunas láminas y se le aplica una tinción para desvelar la actividad celular. Hasta ahora lo que se hacía a continuación con estos cristales –o secciones histológicas, en jerga médica– era enviarlos a los patólogos, que los escudriñaban bajo el microscopio para calcular biomarcadores de enfermedad. Llegar a un diagnóstico afinado requería un ojo experto, entrenado, que analizara la estructura de la muestra, allí donde la tinción revelaba mayor actividad, para saber extraer información valiosa; esto implicaba reconocer morfologías, contar células positivas, negativas, medias, entre otras; a menudo era necesario pedir nuevas tinciones de partes concretas del tejido para acabar de confirmar sospechas, lo que implicaba volver a tomar el bloque de parafina, volver a laminar, volver a teñir con otra tinción, y volver a analizar bajo el microscopio.

Cargando
No hay anuncios

“De la misma manera que los que hacen radiografías ven en blanco y negro, nosotros lo hacemos en escaleras de color, sobre todo rosas. Detrás está la misma idea: interpretar una imagen, una morfología”, explica Temprana. Este proceso, muy artesanal, podía repetirse varias veces hasta tener la certeza de la enfermedad. Si se querían consultar casos difíciles o dudosos con otros expertos, era necesario enviar los cristales a otros hospitales; o si un paciente tenía una recaída años después, debía buscarse en el archivo del sótano las muestras anteriores del tumor para compararlas. Sin embargo, a menudo las tinciones se habían borrado un poco, lo que dificultaba ver la actividad celular.

Cargando
No hay anuncios

"No tenía sentido seguir trabajando así, tal y como se había hecho en el último siglo, y menos cuando a radiología ya se había avanzado hacia la digitalización", considera Ferran Marqués, profesor e investigador de la Universidad Politécnica de Cataluña, que remacha: “Había que hacer una apuesta hacia la oncología de precisión”.

Digipatics, un proyecto pionero

Y esto es lo que se ha hecho en Catalunya, que ha adoptado un proyecto de patología digital, llamado Digipatics, que es único y pionero en el mundo y ha supuesto un vuelco revolucionario a la forma de hacer medicina. Por un lado, supone digitalizar las muestras de biopsia y almacenarlas en un repositorio online accesible en todo momento por todos los hospitales del Instituto Catalán de la Salud (ICS). Por otro lado, emplea algoritmos de inteligencia artificial para mejorar el diagnóstico del cáncer a partir de la cuantificación objetiva de biomarcadores. Vall d'Hebron fue uno de los primeros hospitales que implementó este nuevo sistema que comparte con los otros siete hospitales de la red pública. El objetivo final es que se pueda acabar extendiendo en el resto de centros públicos de Catalunya.

Cargando
No hay anuncios

“Somos la mayor red en Europa de patología digital, y seguramente una de las más grandes en el mundo”, dice con precaución Pau López, responsable de la oficina técnica de sistemas informáticos del ICS. Temprana y Marqués se muestran algo más atrevidos: “No hay otro proyecto así, al menos que conozcamos. Cuando vamos a los congresos y lo explicamos, la gente se queda boquiabierta y se interesan y nos hacen preguntas”, comentan.

Temprana, Marqués y López han liderado la puesta en marcha de Digipatics, cuyo germen se sembró en el 2017, cuando Santiago Ramon y Cajal y Xavier Matias-Guiu, jefes del servicio de patología de los hospitales Vall d'Hebron y Bellvitge, respectivamente, acudieron al ICS a proponer el proyecto. No necesitó mucho esfuerzo para convencer al entonces director, Josep Maria Argimon, de la necesidad de sacarlo adelante. "Vemos que el futuro tenía que ir hacia aquí, hacia la digitalización", explica López. Para ello, se pidió un fondo FEDER, que permitió financiar los 8 millones de euros que ha costado en un 50% con ayudas europeas y el otro 50%, con fondos de la Generalitat.

Cargando
No hay anuncios

Apuesta por la búsqueda de Cataluña

Una de las singularidades del proyecto es que se hizo una apuesta por la investigación que se hace en Cataluña. Los algoritmos de inteligencia artificial se han desarrollado desde cero en la UPC, en el grupo de inteligencia visual al que pertenece Marqués. Han estado implicadas cerca de medio centenar de personas, entre investigadores y estudiantes. De momento, han creado cuatro capaces de cuantificar biomarcadores de cáncer de mama, otro para cáncer de pulmón y ahora trabajan en uno nuevo para tumores gástricos. "El sistema facilita que el cálculo de biomarcadores sea más rápido, estadísticamente más sólido y que los diagnósticos sean más seguros y reproducibles", apunta Marqués.

Cargando
No hay anuncios

Los algoritmos han aprendido gracias al conocimiento de los cerca de 200 patólogos expertos que trabajan en la red de hospitales, que han revisado muestras y han ido anotando los tipos de células y el diagnóstico. “Hemos entrenado los algoritmos con millones de casos [células] y hemos ido corrigiendo los resultados para ir calibrándolos mejor de la mano de los médicos”, explica Marqués.

Así, ahora, una vez se laminan las muestras de tumor y se realizan las tinciones –tantas como sea necesario– se cargan en uno de los 24 escáneres de alta precisión repartidos por los hospitales y que se pasea por toda la muestra. Hace lo mismo que el patólogo hace con el microscopio, pero en lugar de centrarse en varios cientos de células como se hacía hasta ahora por limitación de la capacidad del ojo humano, obtiene una imagen de 100.000 por 200.000 píxeles y un giga de peso. Es decir, cada una de las fotos que hace el escáner de cada muestra de tejido es tan grande como la gigafoto de la Vía Catalana del Onze de Setembre. "Lo que aporta la IA es automatización del proceso y mucha mayor precisión", destaca Marqués.

Cargando
No hay anuncios

A continuación, los algoritmos analizan todas las células –que son millones– del vidrio y envían al patólogo un informe. "Ahora estamos trabajando para que el algoritmo sea capaz de ordenar los casos en función de la urgencia, de modo que el médico pueda priorizar", apunta Marqués, responsable del desarrollo de la IA del proyecto. "Yo ahora como patólogo tengo mucha más información disponible y me permite realizar un diagnóstico más rápido y más seguro", comenta Temprana. Marqués complementa: “La IA siempre mide igual todas las células. A escala humana puede haber variabilidad, los diagnósticos pueden ser ligeramente distintos en función de la experiencia del patólogo”. Por eso, valora, “que esto es un avance brutal, porque los valores estadísticos que sacamos son mucho más seguros, dado que la IA trabaja con un número de células muy superior y no se restringe sólo a una parte de la muestra , sino que la evalúa toda”.

Cargando
No hay anuncios

Eso sí, remarcan los dos expertos, ningún algoritmo realiza un diagnóstico, esto es trabajo exclusivo de los médicos, que son los que al final tienen la responsabilidad. La IA sólo aporta herramientas de soporte, muy precisas y potentes, de ayuda para diagnosticar y para identificar el tratamiento más adecuado para cada paciente, porque son capaces de cuantificar biomarcadores diagnósticos y también de pronóstico. “Esto nos ayuda a evitar que un paciente tome un fármaco que no le irá bien y le causará efectos secundarios. Es un paso adelante hacia la medicina de precisión”, apunta Temprana.

Más búsqueda, más equidad y más entrenamiento

Desplegar el proyecto ha sido también un reto tecnológico. "Requirió crear una nueva infraestructura porque cada imagen pesaba un giga, lo que suponía un desafío para transmitirla, porque la red de los hospitales no tenía suficiente capacidad y se colapsaba", comenta López. Para poder implementar de forma eficiente Digipatics hubo que renovar los monitores con los que trabajaban los patólogos, la red de conexión entre los hospitales, y se creó un repositorio, el SIMDCAT, donde se almacenan las imágenes a largo plazo y donde están disponibles en todo momento. Por el momento, ya se han escaneado 2,4 millones de cristales y se calcula que se le irá añadiendo un millón más cada año. “Este repositorio digitalizado es un corpus de entrenamiento para los algoritmos, pero también para los patólogos novatos. Además permite compartir casos, conocimiento y diagnósticos en tiempo real. También es una gran base de datos para la investigación y la docencia”, resume López.

Para Temprana, uno de los puntos importantes del proyecto es también que "mejora la equidad de la sanidad". "No será necesario que los pacientes vivan junto a un gran hospital de referencia para poder acceder al mejor diagnóstico. Como red, trabajamos todos como si fuéramos un único laboratorio y podremos hacer telediagnóstico", apunta. Además, se reduce el tiempo entre biopsia y diagnóstico, lo que también disminuye la angustia que provoca la espera para el paciente.

Disponer de las imágenes digitalizadas de las muestras también abre la puerta a potenciar la búsqueda. Por ejemplo, porque los datos anonimizados se pueden utilizar para realizar nuevos estudios. "Son recursos que hasta ahora estaban parados y que ahora podemos reflotar", destaca Marqués. En definitiva, un paso más hacia la medicina del futuro.