Profesionales del Hospital Clínico Universitario de València junto a Investigadores de la Universitat Politècnica de València y la Universidad de Granada están trabajando en el desarrollo de un nuevo sistema de ayuda al diagnóstico del cáncer de próstata. Este trabajo se enmarca dentro del proyecto SICAP, según han detallado fuentes de la conselleria de Sanitat Universal i Salut Pública durante la mañana.
Hasta el momento, los investigadores han desarrollado ya una aplicación web que facilita a los patólogos la evaluación de las muestras obtenidas en las biopsias, y una primera versión del sistema que es capaz de determinar si las muestras analizadas son cancerosas o no.
La web es una herramienta de importancia para una primera evaluación de las muestras histopatológicas de los pacientes, pues facilita a los patólogos el análisis de la imagen de cada muestra tal y como han explicado los participantes en el proyecto.
«Tras cargar las imágenes -de alta resolución- en el sistema, puede ampliarlas sin perder resolución, lo que permite analizar mejor y, sobre todo de una forma más cómoda y sencilla, cada muestra. Los patólogos pueden dibujar sobre la imagen, marcando las zonas afectadas e indicando el grado Gleason en cada una de esas zonas. Estos datos anotados serán los que nuestro sistema usará para su aprendizaje», ha indicado Valery Naranjo, coordinadora del Computer Vision and Behaviour Analysis Lab-I3B de la Universitat Politècnica de València.
Mientras, sobre la primera versión del sistema, Valery Naranjo ha destacado que consigue extraer nuevas características discriminativas a partir de las imágenes que nos permiten distinguir las cancerígenas de las sanas con una sensibilidad del 95% y una especifidad del 99%. El trabajo se centra ahora en entrenar el sistema para que sea capaz no sólo de detectar la muestra cancerígena sino también de indicar el grado de cáncer.
Diagnóstico más preciso, objetivo y rápido
Según ha explicado María Ángeles Sales Maicas, del Servicio de Anatomía Patológica del Hospital Clínico Universitario de València, cada muestra biópsica obtenida por el urólogo, se procesa en el laboratorio para su posterior análisis y evaluación por el patólogo, mediante microscopía óptica. «Es el patólogo el que determina si hay cáncer o no, y si lo hubiera, informa del grado de diferenciación tumoral basándose en la escala de Gleason, el cual tiene significado pronóstico. Esta escala tiene cinco niveles y su valoración es subjetiva lo que dificulta su reproducibilidad, sobre todo en los grados 3 y 4», ha apuntado María Ángeles Sales.
El sistema ideado en el proyecto SICAP permitirá la segmentación automática de las imágenes de las secciones histopatológicas de las biopsias de la próstata, así como la extracción de rasgos basados en la estructura de los tejidos. «Será la extracción de estas características la que ayudará a los patólogos al diagnóstico y valoración de los tumores y a clasificarlos de forma más objetiva, fundamentalmente en esos grados de afección 3-4», ha indicado Francisco García Morata, del Servicio de Urología del Hospital Clínico Universitario de València.
De este modo, el sistema SICAP no sustituirá al patólogo, pero permitirá eliminar gran parte de la subjetividad que acompaña al análisis de este tipo de muestras, lo que proporcionará al urólogo una información más robusta para determinar la agresividad tumoral y el pronóstico del paciente, lo que se traduce en que se podrán establecer pautas terapéuticas más adecuadas al tipo de tumor. «Puede ser especialmente útil en los hospitales más pequeños, donde el número reducido de patólogos impide la subespecialización de los mismos, lo que reduce la precisión en el análisis subjetivo de las muestras de biopisia», indica José Mª Martínez Jabaloyas, del Servicio de Urología del Hospital Clínico Universitario de València.
Además, el sistema incorpora un conjunto de algoritmos de aprendizaje, de forma que ante un nuevo caso, compararía de forma automática las características de la muestra que se quiere analizar con otras registradas ya previamente, lo que facilita y agiliza el diagnóstico.
Rafael Molina investigador del Departamento de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Granada ha indicado que este sistema, que en la actualidad está basado en la extracción de rasgos morfológicos de las imágenes histológicas para su posterior clasificación utilizando procesos gaussianos, incorporará próximamente la obtención no supervisada de la tinción hematoxilina-eosina así como la extracción automática de rasgos de interés en dichas imágenes utilizando técnicas de aprendizaje profundo (Deep Learning). GVA / COECS.