Investigadores de la Escuela de Medicina de Harvard han desarrollado un avanzado modelo de inteligencia artificial (IA) llamado CHIEF (Clinical Histopathology Imaging Evaluation Foundation), diseñado para mejorar significativamente el diagnóstico y pronóstico de diversos tipos de cáncer. Este sistema ha sido creado para superar las limitaciones de los modelos actuales. Los cuales suelen enfocarse en tareas específicas o en un número reducido de tipos de cáncer. Así lo indica un artículo publicado en la revista Nature en septiembre pasado.

CHIEF ha demostrado su eficacia en 19 tipos diferentes de cáncer, representando un avance sustancial en la aplicación de la IA en el ámbito médico. Kun-Hsing Yu, profesor asistente de informática biomédica en el Instituto Blavatnik de la Escuela de Medicina de Harvard y autor principal del estudio, afirmó: “Nuestra ambición era crear una plataforma de IA ágil y versátil que pudiera realizar una amplia gama de evaluaciones en cáncer”. Añadió que el modelo ha sido altamente efectivo en tareas de detección, pronóstico y evaluación de la respuesta al tratamiento en múltiples tipos de cáncer.

Funcionamiento y precisión de CHIEF

El sistema CHIEF analiza imágenes digitales de tejidos tumorales, identificando células cancerosas y prediciendo perfiles moleculares con una precisión superior a la de los sistemas existentes. Además, es capaz de pronosticar la supervivencia de los pacientes en diferentes tipos de cáncer y evaluar características del microambiente tumoral. También elementos del tejido circundante que influyen en la respuesta a tratamientos como cirugía, quimioterapia, radioterapia e inmunoterapia.

Un aspecto destacado de CHIEF es su capacidad para identificar características tumorales previamente desconocidas relacionadas con la supervivencia del paciente, lo que abre nuevas posibilidades para la investigación y el desarrollo de tratamientos personalizados. Yu señaló: “Si se valida y despliega ampliamente, nuestro enfoque podría identificar de manera temprana a pacientes que podrían beneficiarse de tratamientos experimentales dirigidos a variaciones moleculares específicas”.

Entrenamiento y pruebas exhaustivas

El modelo fue entrenado inicialmente con 15 millones de imágenes no etiquetadas. Posteriormente, con 60.000 imágenes completas de tejidos de 19 tipos de cáncer, incluyendo pulmón, mama, próstata, estómago, riñón, cerebro, piel y páncreas. Este enfoque permitió a CHIEF analizar imágenes de manera holística, relacionando cambios en áreas específicas con el contexto general del tejido.

CHIEF fue evaluado con más de 19.400 imágenes provenientes de 32 conjuntos de datos independientes y 24 hospitales de diversas regiones del mundo. En tareas clave como la detección de células cancerosas y la identificación del origen del tumor. También la predicción de resultados clínicos y la detección de genes asociados a la respuesta al tratamiento.