La inteligencia artificial acelera el diagnóstico de la leucemia mieloide aguda
Distingue hasta 9 subtipos de la enfermedad con una fiabilidad comparable a la de patólogos experimentados.
Científicos de diversos centros chinos han desarrollado AMLnet, un sistema de procesado basado en Deep Learning, para el diagnóstico rápido y fiable de la leucemia mieloide aguda (LMA) en muestras histológicas de médula ósea. Entrenado con una base de datos de imágenes con más de 8000 muestras de 651 pacientes, ...
Científicos de diversos centros chinos han desarrollado AMLnet, un sistema de procesado basado en Deep Learning, para el diagnóstico rápido y fiable de la leucemia mieloide aguda (LMA) en muestras histológicas de médula ósea. Entrenado con una base de datos de imágenes con más de 8000 muestras de 651 pacientes, AMLnet exhibe una fiabilidad próxima al 90%, superior a la de patólogos con menos experiencia, según afirman los investigadores. Además de predecir el subtipo de LMA, AMLnet ofrece información gráfica representando las áreas que más contribuyen a la valoración, para que el patólogo pueda revisarlas, si es necesario.
Pengxu Qian, investigador de la Universidad de Zhejiang y co-director del estudio, señala que aunque la detección temprana de la LMA es esencial para una gestión óptima de la enfermedad, la clasificación de la morfología celular, primer paso en el proceso de diagnosis, es un procedimiento tedioso y costoso en términos de tiempo, a lo que se añade la variabilidad entre observadores. AMLnet suprime todas estas limitaciones, analizando rasgos citogenéticos e inmunofenotípicos mediante redes convolutas y un módulo que integra los datos obtenidos con los del paciente. La fiabilidad en el diagnóstico diferencial fue particularmente elevada en los subtipos M2b, M3, M4Eo, M6 y M7, demostrándose que el incremento en el número de imágenes de un mismo paciente aumenta el poder clasificatorio. Qian subraya que AMLnet distingue las células relevantes de los eritrocitos y de elementos irrelevantes del fondo de la image. Los autores han generado el software necesario para la visualización, así como una página web con una demo interactiva. AMLnet podría ser particularmente útil en zonas en los que los recursos sanitarios son limitados, concluye Qian.
