La IA médica adapta los tratamientos para 1/8 de las mujeres estadounidenses que reciben un diagnóstico de cáncer de mama

• El cáncer de mama afecta a 1/8 de mujeres en los EE. UU. Y las tasas de cáncer de mama están aumentando.
• Los seres humanos son buenos para detectar el cáncer al observar los patrones en las células. Pero una nueva herramienta de inteligencia artificial, ReceptorNet, puede complementar la teragnosis humana al identificar las diferencias sutiles en esos patrones para informar mejores decisiones de tratamiento.
• ReceptorNet fue desarrollado en colaboración entre Salesforce y el Dr. David Agus en el Instituto Lawrence J. Ellison de Medicina Transformativa de la USC.
• ReceptorNet podría hacer que el tratamiento sea menos costoso y esté más disponible, particularmente en los países en desarrollo.

Imagine ser médico y tener un residente precoz permanentemente a su lado, lo que le brinda una visión brillante de la enfermedad y lo ayuda a identificar la mejor ruta de tratamiento para sus pacientes.

Un equipo de Salesforce Research cree que este escenario está más cerca de la realidad de lo que podría pensar, como resultado de una serie de desarrollos interesantes en tecnología de visión de inteligencia artificial y aprendizaje automático.

Aumentan las tasas de cáncer de mama

El cáncer de mama afecta a más de dos millones de mujeres en todo el mundo cada año , y alrededor de una de cada ocho mujeres en los Estados Unidos desarrolla cáncer de mama a lo largo de su vida. También hubo 2.550 nuevos casos de cáncer de mama en hombres en los EE. UU. En 2018. Es alarmante que las tasas de cáncer de mama estén aumentando en casi todas las regiones del mundo.

Salesforce Research colaboró con el Ellison Institute para desarrollar ReceptorNet, un algoritmo de aprendizaje profundo que puede determinar el estado del receptor de hormonas , un biomarcador crucial para los médicos cuando deciden la ruta de tratamiento adecuada para pacientes con cáncer de mama, con excelentes cifras de sensibilidad y especificidad. Este trabajo ha sido publicado en la revista Nature Communications con el título «Determinación del estado de los receptores hormonales del cáncer de mama con capacidad de aprendizaje profundo a partir de tinciones H&E de nivel base».

Si bien el uso de la inteligencia artificial para tratar de mejorar los resultados para los pacientes con cáncer de mama no es nuevo, los esfuerzos hasta ahora, como la herramienta de detección del cáncer de mama con inteligencia artificial de Google, se han centrado principalmente en el diagnóstico del cáncer.

Lo que hace que ReceptorNet sea único es que se centra en mejorar la forma en que se toman las decisiones de tratamiento para los pacientes con cáncer de mama. Específicamente, ReceptorNet predice el estado del receptor de hormonas a partir de una imagen de tejido ubicua y económica. Eso contrasta con el estándar de atención actual, que requiere tanto un tipo de imagen de tejido más costoso y menos disponible, como un patólogo capacitado para revisar esas imágenes.

Fundamentalmente, debido a que es una forma menos costosa y más rápida de determinar el estado de los receptores de hormonas que el sistema que se usa comúnmente hoy en día en países como los EE. UU., Podría ayudar a que la toma de decisiones de alta calidad para las terapias contra el cáncer de mama sea más accesible, lo que permite a los pacientes de todo el mundo para recibir la mejor ruta de tratamiento posible, independientemente de la experiencia disponible en su sistema de salud.

Cómo comenzó el proyecto ReceptorNet

El desarrollo de ReceptorNet se originó en las conversaciones entre los investigadores de Salesforce y el Dr. David Agus , director fundador y director ejecutivo del Instituto Lawrence J. Ellison de Medicina Transformativa de la USC.

El Dr. Agus es un reconocido oncólogo y profesor de medicina e ingeniería. Explica que durante mucho tiempo ha existido la creencia entre los médicos del cáncer de que las células tumorales contienen información crucial sobre el cáncer que el cerebro humano no puede extraer del todo.

“El cerebro humano es muy bueno para determinar si hay cáncer o no basándose en los patrones de las células”, dice el Dr. Agus, “pero no puede determinar las diferencias sutiles en estos patrones que se correlacionan con el resultado del cáncer . En otras palabras, qué es el interruptor de encendido / apagado molecular «.

Esto significa que un paciente puede ser diagnosticado con cáncer pero luego debe esperar semanas para obtener los resultados de los estudios moleculares para determinar qué tratamiento debe recibir.

“Nuestro equipo ha estado trabajando en el uso de la inteligencia artificial para comprender los patrones de las células y ayudar a tomar decisiones sobre el tratamiento durante varios años. Teníamos la idea de que tal vez podríamos encontrar la respuesta a esas preguntas moleculares instantáneamente con la inteligencia artificial y el aprendizaje automático ”, dice el Dr. Agus.

Ahí es donde entró el equipo de Salesforce Research. «Tenemos un equipo de investigación de IA de clase mundial», dice Nikhil Naik, científico principal de investigación de Salesforce Research y el primer autor de este estudio, y agrega que «la colaboración también coincidió con nuestra filosofía de desarrollar tecnología que no solo sirva al propósito de la empresa, sino que también tenga un impacto positivo en las personas y en el mundo ”.

Con un doctorado en visión por computadora del MIT, Naik dice que se dio cuenta desde el principio de que Salesforce estaría en una posición ideal para ayudar.

Encontrar pistas sobre el cáncer que el ojo no puede ver

El algoritmo es capaz de determinar patrones sutiles que el ojo humano no puede percibir.

Andre Esteva, director de IA médica, Salesforce Research

El equipo desarrolló una solución de inteligencia artificial que puede extraer pistas vitales sobre el cáncer de mama al aprender a detectar patrones en imágenes de tumores, utilizando un proceso de imágenes barato y ampliamente disponible. Naik da una analogía simple.

Digamos que tiene un accidente y cree que puede haberse roto el brazo. ¿Qué pasaría si, en lugar de tener que ir al hospital para una radiografía, pudiera simplemente tomar una foto de su brazo en su teléfono celular y un algoritmo de inteligencia artificial pudiera determinar si tuvo o no una fractura?

“Eso es muy similar a lo que estamos haciendo. Estamos reemplazando un proceso costoso y lento que requiere tecnología especializada por una tecnología más simple y más disponible para la obtención de imágenes, que utiliza inteligencia artificial ”. [MC (2])

Entonces, ¿cómo funciona esto en la práctica? Por lo general, cuando a un paciente se le diagnostica cáncer de mama, un patólogo analizará el tejido tumoral bajo un microscopio mediante un proceso llamado tinción inmunohistoquímica (IHC), para buscar la presencia de receptores hormonales que permiten que el cáncer crezca. Esto les ayuda a decidir el mejor curso de tratamiento, como la terapia hormonal o la quimioterapia.

El problema con la tinción IHC es que es costosa, requiere mucho tiempo y no está disponible en muchas partes del mundo, particularmente en los países en desarrollo.

ReceptorNet ha aprendido a determinar el estado de los receptores hormonales mediante el uso de un proceso de obtención de imágenes mucho menos costoso y sencillo: tinción con hematoxilina y eosina (H&E), que analiza la forma, el tamaño y la estructura de las células.

ReceptorNet ha sido capacitado en varios miles de diapositivas de imágenes de H&E, cada una con miles de millones de píxeles, de pacientes con cáncer en docenas de hospitales de todo el mundo.

«El algoritmo es capaz de observar píxeles individuales y determinar patrones sutiles que el ojo humano no puede percibir», dice Andre Esteva, director de IA médica y coautor del estudio, y explica que los patrones pueden proporcionar pistas vitales sobre cómo tratar el cáncer.

Tiempos emocionantes para la IA médica

Desde principios de 2019, Naik y Esteva han liderado un equipo en Salesforce que se enfoca en brindar aplicaciones de inteligencia artificial para el bien social, principalmente en las áreas de medicina y ciencia. Recientemente, el equipo creó motores de búsqueda para COVID-19 para ayudar a los investigadores y médicos a encontrar información más rápido.

“Hay un beneficio significativo al hacer este tipo de investigación de IA en la industria, en contraposición a la academia. Los equipos de IA tienden a prosperar cuando se les proporcionan capacidades de cómputo a escala industrial, y presupuestos a escala industrial, porque esos elementos hacen que sea mucho más fácil experimentar rápidamente ”, dice Esteva.

“Creo que las aplicaciones más impactantes de la IA serán en el cuidado de la salud”, agrega el científico investigador Ali Madani, quien ayudó en el algoritmo de visión por computadora que impulsa a ReceptorNet.

Madani habla apasionadamente sobre el impacto transformador que la IA podría tener en la vida de las personas. “Hay aplicaciones directas que podrían mejorar la sociedad en su conjunto”, dice. «Esa es la motivación subyacente que me ha atraído hacia la IA y la atención médica».

Eliminando sesgos, mejorando la accesibilidad, transformando la medicina

Un algoritmo que solo tiene una precisión del 80% no es lo suficientemente bueno para una aplicación crítica, como determinar qué terapia contra el cáncer administrar a un paciente.

Nikhil Naik, científico investigador principal, Salesforce Research

Entonces, ¿qué podría significar esto para los médicos y los pacientes? La capacidad de determinar el estado del receptor de hormonas a partir de las tinciones de H&E podría hacer que el tratamiento sea menos costoso y esté más disponible, particularmente en los países en desarrollo.

También podría, dice el Dr. Agus, significar que los pacientes se libran de una espera agonizante entre el diagnóstico y el inicio del tratamiento.

Al proponer un caso de uso futuro de esta nueva tecnología, el Dr. Agus dijo: “Imagínese cuando una mujer viene para recibir su diagnóstico y podemos decirle en ese mismo momento cuál debería ser su tratamiento. O en un país del tercer mundo (donde las pruebas de moléculas no están disponibles), imagínese potencialmente poder, con solo escanear una diapositiva, decirle a una mujer que puede obtener una píldora que podría controlar su cáncer de mama. De repente, hay una transformación en la medicina «.

Para que la IA en la medicina desarrolle todo su potencial, los médicos primero deben tener confianza en su precisión.

«Un algoritmo con una precisión de solo el 80% no es lo suficientemente bueno para una aplicación crítica, como determinar qué terapia contra el cáncer administrar a un paciente», reconoce Naik.

En la fase de prueba del proyecto ReceptorNet, cuando se probó el algoritmo en imágenes que nunca antes había visto, logró una precisión del 92% para las determinaciones de receptores hormonales, lo que indica su potencial para el futuro despliegue clínico.

Se realizaron numerosos cambios pequeños e incrementales para garantizar que el algoritmo pudiera ofrecer predicciones precisas, independientemente de las diferencias en la preparación de las muestras de tejido que estaba analizando. Fundamentalmente, el algoritmo también ha podido ofrecer un rendimiento confiable en diferentes grupos demográficos.

Durante mucho tiempo ha existido la preocupación de que la atención médica y la medicina basada en la evidencia puedan estar sesgadas en contra de ciertos grupos, porque a menudo están subrepresentados en la base de la evidencia. Sin embargo, durante el desarrollo de ReceptorNet, los investigadores pudieron lograr resultados precisos en una variedad de grupos diferentes, lo que podría ser vital para generar confianza en el desempeño de la IA entre los profesionales de la salud.

Naik dice: «Analizamos esto dividiendo los datos en función de factores como la edad, la raza y la ubicación, y estadísticamente no hubo diferencia en el rendimiento del algoritmo».

Importancia de una estrecha colaboración

Durante todo el proceso de diseño, el equipo de Salesforce trabajó en estrecha colaboración con el Dr. Agus , el Dr. Dan Ruderman y el Dr. Michael F. Press en The Ellison Institute, para asegurarse de que estuvieran al tanto de cualquier posible sesgo que pudiera existir en los datos que se alimentaron. en el modelo. Esta estrecha colaboración también ayudó a garantizar que los objetivos del equipo estuvieran estrechamente alineados con los flujos de trabajo clínicos y las preguntas en las que los médicos, médicos y enfermeras estarían interesados.

A pesar de esto, el equipo era consciente de que no todos los profesionales médicos se convencerían fácilmente de que se podía confiar en la IA.

Naik dice que los patólogos con los que hablaron inicialmente se mostraron escépticos y explicaron que este tipo de predicción basada en una diapositiva de H&E no es algo que los patólogos pudieran hacer por sí mismos.

“Sin embargo, cuando vieron que el algoritmo funcionaba tan bien, quedaron realmente impresionados de que pudiera hacer estas predicciones con solo aprender de miles de imágenes, y también de que pudiera confirmar sus sospechas sobre qué tipo de patrones podrían Sea predictivo. Eso fue muy impresionante y emocionante para ellos «.

El Dr. Agus está de acuerdo. “Cuando empezamos a ver cómo podíamos responder preguntas moleculares instantáneamente con inteligencia artificial y aprendizaje automático, logramos algunos buenos resultados. Pero cuando nos asociamos con Salesforce, esos resultados pasaron de buenos a excelentes «.

Pero cuando nos asociamos con Salesforce, esos resultados pasaron de buenos a excelentes.

Dr. David Agus, Instituto Lawrence J. Ellison de Medicina Transformativa de la USC

Implicaciones a largo y corto plazo

Desde una perspectiva clínica, esta tecnología podría eventualmente generar una serie de impactos positivos. En un país desarrollado como los EE. UU., Podría reducir el costo de la atención y el tiempo que lleva iniciar el tratamiento del cáncer de mama, porque utiliza tecnología de imágenes mucho menos costosa y toma de decisiones automatizada. También podría mejorar la precisión y ofrecer mejores resultados para los pacientes.

En los países en desarrollo donde hay un acceso limitado a la tinción IHC, podría tener un gran impacto en términos de ampliar el acceso al tratamiento.

El efecto inmediato de este trabajo es sentar las bases para futuros estudios para comparar el flujo de trabajo clínico de un patólogo con y sin este tipo de IA, con el fin de comprender mejor todo su potencial.

El Dr. Agus dice que, “Esto es solo la punta del iceberg con lo que vamos a poder hacer con la IA en la atención del cáncer. Es solo un proyecto piloto para mostrar lo que es factible. Ahora, podemos profundizar más y más, y puedo imaginar un día no muy lejano, cuando con solo mirar una diapositiva, puedo decir, con la ayuda de la IA, decirle a alguien ‘vas a conseguir la Droga X y no el fármaco Y debido a cómo están organizadas las células ‘”.

Para Esteva, una de las cosas más emocionantes de este proyecto es que ha demostrado cómo la IA puede hacer más que simplemente imitar el papel de un médico.

“Lo que estamos haciendo aquí es entrenar a la IA para que haga algo que el médico no puede hacer, como una capacidad adicional a su repertorio. La IA puede ver patrones que son esencialmente invisibles para el médico y potencialmente críticos para el paciente «.

En última instancia, la IA también podría tener un impacto positivo en la relación médico-paciente. Con acceso a información basada en inteligencia artificial, los médicos podrían tener conversaciones más informadas con sus pacientes en una etapa temprana de su ruta de tratamiento, brindándoles una imagen más completa y basada en datos de lo que les espera en términos de tratamiento y terapia.

Avanzando hacia el futuro

Lo que realmente me emociona es pensar, ‘¿a dónde va a ir esto en los próximos cinco o 10 años?’

Andre Esteva, director de IA médica, Salesforce Research

Esteva desea enfatizar que la IA ayudará a aumentar el papel de un médico, no a reemplazarlo.

“Lo que realmente me emociona es pensar, ‘¿adónde va a ir esto en los próximos cinco o 10 años?’ Desafortunadamente, muchos de nosotros podemos relacionarnos con situaciones en las que alguien que amamos recibió la terapia incorrecta o recibió un diagnóstico incorrecto. Terminas preguntándote cómo sus vidas podrían haber sido diferentes si se hubiera tomado una decisión un poco mejor. Un solo momento puede tener un efecto dominó en la vida de un paciente durante años o décadas «.

“Los médicos deberían poder tomar las mejores decisiones posibles basándose en todos los conocimientos médicos disponibles. Si puede construir una IA que pueda ayudar a los médicos a tomar las decisiones correctas, aprovechando la inteligencia colectiva de los médicos y los datos médicos, eso es increíblemente poderoso «.

El Dr. Agus agrega: “La inteligencia artificial y el aprendizaje automático van a presagiar una nueva era, con potencial para aplicarse a enfermedades más allá del cáncer y, en última instancia, generar mejores resultados para los pacientes. No sucederá de la noche a la mañana y será un proceso lento, paso a paso, pero nos embarcaremos en un viaje durante la próxima década para mejorar todos los aspectos de lo que hacemos, a través de los datos. Eso es realmente emocionante «.

…

Esta es una traducción realizada por EGA Futura, y este es el link a la publicación original: https://www.salesforce.com/blog/linked-content/salesforce-ai-breast-cancer/