Un nuevo enfoque basado en machine learning (aprendizaje automático) ha sido capaz de clasificar un tipo común de tumor cerebral en distintos grados con casi un 98% de precisión, según un estudio publicado en la revista IEEE Access.
Este método ha sido desarrollado por un grupo de investigadores de la India y Japón y tiene como objetivo ayudar a los profesionales médicos a la hora de seleccionar el tratamiento más efectivo que puede aplicarse a cada caso individual.
Los gliomas son un tipo común de tumor cerebral que afecta a las células gliales que proporcionan soporte y aislamiento a las neuronas. El tratamiento de los pacientes varía según la agresividad del tumor, por lo que resulta fundamental contar con el diagnóstico correcto para cada individuo.
Los radiólogos obtienen una gran cantidad de datos a través de las imágenes de resonancia magnética con la que pueden reconstruir una imagen en 3D del tejido escaneado. Gran parte de los datos disponibles a través de las imágenes de resonancia magnética no se pueden detectar a simple vista, como es el caso de los detalles relacionados con la forma, la textura o la intensidad del tumor. Los algoritmos empleados por la Inteligencia Artificial ayudan en la extracción de estos datos.
El tratamiento de los pacientes varía según la agresividad del tumor, por lo que resulta fundamental contar con el diagnóstico correcto para cada individuo
Los investigadores han sido capaces de desarrollar un enfoque de machine learning que puede clasificar los gliomas en grado bajo o alto con una precisión del 97,54%. Los gliomas de bajo grado incluyen astrocitoma pilocítico de grado I y glioma de bajo grado II. Estos son los tumores de este tipo menos agresivos y con menor malignidad.
Entre los gliomas de alto grado se incluyen el glioma de grado III y glioblastoma multiforme de grado IV, que son mucho más agresivos y con mayor malignidad. Estos reportan un tiempo de supervivencia posterior al diagnóstico más corto.
“Nuestro modelo superó todos los enfoques de vanguardia para predecir los grados de glioma de las imágenes de resonancia magnética cerebral”
la investigación ha empleado un conjunto de datos de escáneres de resonancia magnética pertenecientes a 210 personas con gliomas de alto grado y otras 75 con gliomas de bajo grado. Han desarrollado un enfoque denominado CGHF (por sus siglas en inglés) que emplea radiología híbrida y características estacionarias. Han seleccionado algoritmos específicos para extraer las características de las imágenes obtenidas mediante resonancia magnética y después han entrenado otro algoritmo predictivo para procesar estos datos y clasificar los gliomas. Establecido el enfoque probaron el modelo con el resto de imágenes de resonancia magnética para evaluar su precisión.
“Nuestro modelo superó todos los enfoques de vanguardia para predecir los grados de glioma de las imágenes de resonancia magnética cerebral”, explica Balasubramanian Raman, uno de los investigadores principales del estudio.
“Esperamos que la Inteligencia Artificial ayude a desarrollar un modelo de software predictivo basado en machine learning semiautomático o automático que pueda ayudar a los médicos, radiólogos y otros profesionales sanitarios a la hora de adaptar los mejores enfoques para sus pacientes”, concluye.