Investigadors del Grup de Radiòmica del Vall d’Hebron Institut d’Oncologia (VHIO) han desenvolupat una eina basada en aprenentatge profund d’intel·ligència artificial (IA), capaç de detectar i segmentar tumors hepàtics de forma precisa i totalment automatitzada. Es tracta de SALSA (Sistema per a la Segmentació i Detecció Automàtica de Tumors Hepàtics, per les sigles en anglès). Fins ara, les imatges mèdiques com les de tomografia computada proporcionen informació als professionals per fer el diagnòstic, planificar una cirurgia curativa o avaluar la resposta al tractament. Tot i això, delinear els tumors amb precisió per conèixer-ne el volum planteja reptes pràctics.
NOU NÚMERO DE WHATSAPP: T’enviem les notícies més importants de Lleida al WhatsApp totalment gratis. Punxa aquí!
La cap del Grup de Radiòmica del VHIO i investigadora sènior de l’article, Raquel Pérez-López, ha explicat que això suposa sovint un coll d’ampolla en nombrosos projectes de recerca i aplicacions clíniques que impliquen l’avaluació volumètrica de malalties, ja que no només requereix molt de temps, sinó que també és propens a la variabilitat entre diferents observadors i dins d’un mateix observador. Per superar aquests reptes, l’equip va decidir desenvolupar una eina de delineació totalment automatitzada que pogués ser transformadora, millorant la precisió a l’hora de detectar tumors i avaluar-ne el volum.
L’equip de radiòmica va decidir començar pel càncer hepàtic perquè representa un repte per a la salut. Els tumors hepàtics primaris, com el carcinoma hepatocel·lular i el colangiocarcinoma, acostumen a diagnosticar-se en estadis avançats, amb opcions de tractament limitades i un pronòstic desfavorable. A més, el fetge és un òrgan comú de metàstasi d’altres càncers primaris, cosa que impacta de manera significativa en el pronòstic del pacient. Per desenvolupar SALSA, els investigadors van fer servir el model de segmentació d’intel·ligència artificial existent nnU-Net i hi van introduir les dades obtingudes de 1.598 tomografies computades (TAC) de 4.908 tumors hepàtics primaris o metastàtics per entrenar l’eina.
Un cop entrenada amb milers d’imatges, SALSA va demostrar una precisió superior a l’hora d’identificar tumors i quantificar volum tumoral, i va superar els models que fins ara es consideraven més avançats, amb un criteri que coincidia amb la interpretació de les imatges mèdiques per part de radiòlegs experts. L’eina també ha estat validada amb quatre bases de dades independents de tumors hepàtics. En concret, va demostrar una precisió de detecció pel que fa als pacients superior al 99%, i del 82%, aproximadament, pel que fa a lesió, en les cohorts de validació externa. Així, SALSA aconsegueix la identificació i la delimitació precises i automatitzades de tumors hepàtics en imatges de tomografia computada i facilita una quantificació més precisa de la càrrega tumoral, un factor “crucial” en el pronòstic i el tractament del càncer, sense necessitat d’intervenció manual, segons explica Pérez-López.
Un dels objectius del Grup de Radiòmica és desenvolupar eines basades en l’anàlisi d’imatges mèdiques per avaluar la resposta al tractament dels pacients amb càncer tenint en compte diversos biomarcadors d’imatge del tumor, com ara la volumetria, la densitat o la textura dels tumors. Aquesta informació més precisa pot servir de guia per a la presa de decisions clíniques que siguin significatives per al benefici dels pacients amb càncer.
Pérez-López ha explicat que els estàndards actuals per avaluar la resposta dels pacients al tractament són limitats. Per exemple, es mesura el diàmetre del tumor en 2D, sense tenir en compte el volum, i en el cas de les metàstasi s’avaluen únicament dos tumors per òrgan i un màxim de cinc lesions per pacients. Ara, SALSA podria ser útil en el cas de pacients amb càncer de fetge, ja que permet mesurar paràmetres com el volum tumoral total, la densitat i textura dels tumors, per avaluar si els pacients estan responent al tractament i facilitar la presa de decisions terapèutiques amb benefici potencial per als pacients.
