Herramienta basada en aprendizaje profundo mejora el diagnóstico del cáncer de hígado

Sin embargo, uno de los principales desafíos para el uso eficaz de estas imágenes es la delimitación precisa de los tumores, un proceso conocido como contorneo de tumores. Esta tarea, crucial para el análisis de volumen, suele ser laboriosa y presenta una gran variabilidad entre distintos observadores. Esta variabilidad puede generar cuellos de botella tanto en entornos clínicos como en proyectos de investigación, especialmente al abordar las evaluaciones volumétricas de enfermedades.

Los cánceres primarios de hígado, incluido el carcinoma hepatocelular (CHC), se diagnostican con frecuencia en etapas avanzadas, cuando las opciones de tratamiento son limitadas y el pronóstico suele ser desfavorable. Además, el hígado es un sitio común de metástasis de otros cánceres primarios, lo que complica aún más el tratamiento y afecta negativamente los resultados generales. En respuesta a estos desafíos, los investigadores han desarrollado una innovadora herramienta basada en aprendizaje profundo para mejorar el diagnóstico, la planificación del tratamiento y el seguimiento del cáncer de hígado.

La nueva herramienta, denominada SALSA (Sistema para la Segmentación y Detección Automática de Tumores Hepáticos), fue desarrollada por investigadores del Vall d'Hebron Instituto de Oncología (VHIO, Barcelona, España) para automatizar la detección y el seguimiento de tumores hepáticos. Este sistema, basado en IA, trabaja directamente con imágenes de TC, detectando y delimitando automáticamente tumores hepáticos primarios y metastásicos. Para desarrollar y entrenar SALSA, los investigadores utilizaron el modelo de segmentación nnU-Net, incorporando datos de 1.598 escáneres TC que incluían un total de 4.908 tumores hepáticos, tanto primarios como metastásico.

SALSA logró resultados excepcionales, demostrando una precisión en la detección de tumores superior al 99 % a nivel de paciente y cercana al 82 % en la detección lesión por lesión en una cohorte de validación externa. La integración de inteligencia artificial y aprendizaje automático en esta herramienta supone un gran avance en la oncología personalizada, ofreciendo un método más preciso para evaluar la respuesta al tratamiento de forma individualizada.Al superar a los modelos más avanzados existentes y mejorar la concordancia interobservador entre radiólogos, SALSA se muestra prometedor para mejorar la detección del cáncer de hígado, optimizar las estrategias de tratamiento y mejorar la evaluación de la respuesta clínica.

“Esta novedosa herramienta basada en aprendizaje profundo ha demostrado la identificación y delimitación precisas y automatizadas del cáncer de hígado en imágenes de TC, facilitando una cuantificación más precisa de la carga tumoral, un factor crucial en el pronóstico y el tratamiento del cáncer, sin necesidad de intervención manual”, afirmó Raquel Pérez-López, autora correspondiente del artículo publicado en Cell Reports Medicine . “Su validación en varias cohortes de prueba y externas destaca la eficacia y fiabilidad de SALSA, igualando, e incluso superando, la precisión de los radiólogos expertos”.

Enlaces relacionados: VHIO