Investigadores están trabajando en el desarrollo de un nuevo sistema de ayuda al diagnóstico del cáncer de próstata. Este trabajo se enmarca dentro del proyecto SICAP. Hasta el momento, los investigadores han desarrollado ya una aplicación web que facilita a los patólogos la evaluación de las muestras obtenidas en las biopsias, y una primera versión del sistema que es capaz de determinar si las muestras analizadas son cancerosas o no.
La web es una herramienta “de gran valor” para una primera evaluación de las muestras histopatológicas de los pacientes, pues facilita a los patólogos el análisis de la imagen de cada muestra. “Tras cargar las imágenes –de alta resolución- en el sistema, puede ampliarlas sin perder resolución, lo que permite analizar mejor y, sobre todo de una forma más cómoda y sencilla, cada muestra. Los patólogos pueden dibujar sobre la imagen, marcando las zonas afectadas e indicando el grado Gleason en cada una de esas zonas. Estos datos anotados serán los que nuestro sistema usará para su aprendizaje”, apunta Valery Naranjo, coordinadora.
Mientras, sobre la primera versión del sistema, Naranjo destaca que consigue extraer nuevas características discriminativas a partir de las imágenes que nos permiten distinguir las cancerígenas de las sanas con una sensibilidad del 95% y una especifidad del 99%. El trabajo se centra ahora en entrenar el sistema para que sea capaz no sólo de detectar la muestra cancerígena sino también de indicar el grado de cáncer.
Sobre el cáncer de próstata y su detección
El cáncer de próstata es la causa más común de muerte por cáncer en hombres mayores de 70 años y la edad media del diagnóstico se sitúa en los 66 años. La mayoría de los casos –un 92%- se detecta cuando la enfermedad está ubicada en la glándula prostática o en los órganos adyacentes.
El procedimiento para el diagnóstico de esta patología comienza en la consulta del urólogo con una entrevista clínica, exploración física y, en su caso, solicitud de una determinación analítica de PSA (antígeno prostático específico).
“Esta técnica de cribado ha aumentado la capacidad de detección de esta enfermedad en la población de riesgo. Sin embargo, la prueba determinante para su diagnóstico es la biopsia de próstata, ya que la PSA es poco específica y proporciona gran cantidad de falsos positivos”, apunta Valery Naranjo.
Diagnóstico más preciso, objetivo y rápido
Según explica María Ángeles Sales Maicas, del Servicio de Anatomía Patológica, cada muestra biópsica obtenida por el urólogo, se procesa en el laboratorio para su posterior análisis y evaluación por el patólogo, mediante microscopía óptica. “Es el patólogo el que determina si hay cáncer o no, y si lo hubiera informa del grado de diferenciación tumoral basándose en la escala de Gleason, el cual tiene significado pronóstico. Esta escala tiene cinco niveles y su valoración es subjetiva lo que dificulta su reproducibilidad, sobre todo en los grados 3 y 4”, apunta la Dra. Sales.
El sistema ideado en el proyecto SICAP permitirá la segmentación automática de las imágenes de las secciones histopatológicas de las biopsias de la próstata, así como la extracción de rasgos basados en la estructura de los tejidos. “Será la extracción de estas características la que ayudará a los patólogos al diagnóstico y valoración de los tumores y a clasificarlos de forma más objetiva, fundamentalmente en esos grados de afección 3-4”, apunta el Dr. Francisco García Morata, del Servicio de Urología.
De este modo, el sistema SICAP no sustituirá al patólogo, pero permitirá eliminar gran parte de la subjetividad que acompaña al análisis de este tipo de muestras, lo que proporcionará al urólogo una información más robusta para determinar la agresividad tumoral y el pronóstico del paciente, lo que se traduce en que se podrán establecer pautas terapéuticas más adecuadas al tipo de tumor. “Puede ser especialmente útil en los hospitales más pequeños, donde el número reducido de patólogos impide la subespecialización de los mismos, lo que reduce la precisión en el análisis subjetivo de las muestras de biopisia”, indica el doctor José Mª Martínez Jabaloyas, del Servicio de Urología.
Además, el sistema incorpora un conjunto de algoritmos de aprendizaje, de forma que ante un nuevo caso, compararía de forma automática las características de la muestra que se quiere analizar con otras registradas ya previamente, lo que facilita y agiliza el diagnóstico.
Rafael Molina, investigador del departamento de Ciencias de la Computación e Inteligencia Artificial, indica que este sistema, que en la actualidad está basado en la extracción de rasgos morfológicos de las imágenes histológicas para su posterior clasificación utilizando procesos gaussianos, incorporará próximamente la obtención no supervisada de la tinción hematoxilina-eosina así como la extracción automática de rasgos de interés en dichas imágenes utilizando técnicas de aprendizaje profundo (Deep Learning).
