La “patología computacional” permitiría tener un banco digital de muestras de laboratorio lo que facilitaría un diagnóstico más rápido.
Muestras digitales ayudarían a tener análisis oportuno
Diagnosticar numerosas enfermedades -y muy particularmente el cáncer- incluye la toma de muestras de células, tejidos u órganos para su análisis en laboratorio.
Las muestras de tejido se guardan por tiempo indefinido en los hospitales para que puedan ser consultadas de nuevo en algún otro proceso del mismo paciente, y se trata de un proceso meramente físico.
Pero, según pública “ABC”, todo ello ha empezado a cambiar gracias a la aplicación de la inteligencia artificial (IA), previa digitalización de las muestras que llegan al laboratorio de Anatomía Patológica, lo que se ha venido a llamar “Patología Computacional”.
De esta forma, el tradicional banco de muestras se transforma en “big data” anatomopatológico. Esto permite, por ejemplo, comparar la muestra concreta de un paciente con miles de imágenes de casos similares para buscar patrones que ayuden a un diagnóstico más rápido y preciso.
Digitalización
El Hospital Universitario Fundación Jiménez Díaz, de España, acaba de poner en marcha un ambicioso proyecto de digitalización en red de su servicio de Anatomía Patológica y los de los hospitales universitarios Rey Juan Carlos e Infanta Elena y General de Villalba.
En conjunto, los cuatro centros generan una media de 200,000 muestras patológicas cada año. Estas cifras dan una idea de la complejidad del proyecto y de los enormes avances diagnósti- cos que permitirá la gestión integrada de tantos gigas de información digital.
“Philips IntelliSite Pathology” es la tecnología elegida para el proceso de convertir esas decenas de miles de tejidos en ficheros digitales de alta resolución que están constituyéndose en una base de datos agregada de los cuatro centros de imagen digital en un entorno virtual.
El nuevo procesamiento de las muestras facilita también la necesaria colaboración entre patólogos, clínicos, expertos en tecnologías de la información e instituciones científicas.
“Los especialistas pueden trabajar en red, tener acceso en cualquier momento a toda la base de datos de imágenes para consultar casos similares y compartir las imágenes analizadas con otros facultativos de forma inmediata, un proceso que simplifica la obtención de se- gundas opiniones, reduce costes y acorta los tiempos de diagnóstico”, subraya el doctor Federico Rojo, jefe del servicio de Anatomía Patológica y director del Biobanco del Instituto de Investigación Sanitaria de la Fundación Jiménez Díaz.
Proceso automático
El siguiente salto en este cambio de paradigma será el desarrollo de algoritmos que permitan automatizar los diagnósticos mediante procesos de “deep learning” (cuya traducción es aprendizaje profundo) de la inteligencia artificial.
En palabras del doctor Rojo, el objetivo es “automatizar el proceso diagnóstico, analizar y comparar imágenes y detectar y reconocer patrones asociados a patologías concretas, ayudando así a una mayor rapidez, precisión, eficacia y calidad en nuestros diagnósticos”.