Óscar Pellicer, Ingeniero Industrial e Informático ha impulsado el proyecto "Inteligencia artificial en análisis de imagen de próstata", una iniciativa que consiste en la aplicación de técnicas de inteligencia artificial (IA) a la mejora de la eficiencia y precisión en el diagnóstico, biopsia y tratamiento del cáncer de próstata utilizando imágenes de Resonancia Magnética (RM) y de Ultrasonidos (US). Pellicer inició este proyecto hace cuatro años en su tesis doctoral en el grupo IDAL ( https://idal.uv.es/) de la Universitat de València (UV) debido a su interés en las posibilidades de la aplicación de la Inteligencia Artificial a la biomedicina. De esta forma, combinó su interés científico con el de mejorar la vida de las personas.
Cabe destacar que el alcance inicial del proyecto se limitaba solo al registro Resonancia Magnética - Ultrasonido, pero el ingeniero industrial vio la oportunidad de aplicar la Inteligencia Artificial también a otros temas relacionados de gran relevancia, como es la segmentación automática de la próstata, que mejora la repetibilidad y ahorra valioso tiempo con respecto a hacerla a mano; y la detección automática de lesiones en Resonancia Magnética, que puede servir como segunda opinión al profesional clínico, y puede potencialmente localizar lesiones que se hubieran ignorado.
De esta forma, protocolariamente, ante sospecha de cáncer de próstata se realiza una RM. Los radiólogos la analizan y marcan las regiones donde creen que pueda haber lesión (cáncer). A continuación, estas lesiones se biopsian, es decir, se toman muestras vivas para comprobar si realmente es cáncer.
Durante la biopsia se emplea US para guiar la operación y localizar la lesión. Sin embargo, la lesión marcada en RM por los radiólogos no es visible en US, y el urólogo debe, o bien recordar dónde estaba esta (fusión cognitiva), o bien usar un programa informático que registre la imagen de RM con la de US (fusión por software) y le indique dónde está la lesión en la imagen de US.
El trabajo utiliza diversos algoritmos de IA, y en particular redes convolucionales, para analizar las imágenes de próstata (RM y US) y resolver los siguientes problemas:
- Segmentación automática de próstata en RM y US: paso previo necesario para el resto de las tareas, consiste señalar / marcar la próstata en RM y US . Automatizar esto ahorra tiempo al radiólogo y al urólogo (5-10min por paciente antes y durante la biopsia / tratamiento focal), y mejora la precisión del resto de tareas (que dependen de esta).
- Detección automática de lesiones en RM: detectar las lesiones como lo haría un radiólogo sirve de segunda opinión clínica, mejora la precisión diagnóstica, y además reduce mucho el riesgo de que el radiólogo se deje alguna lesión por marcar.
- Registro automático RM-US: Consiste en localizar en US las lesiones marcadas en RM de forma automática y precisa. Una alta precisión en esta tarea es imprescindible para una correcta biopsia y, especialmente, para el tratamiento focal del paciente.
Casi todas las partes del proyecto han sido ya publicadas y, cuando Pellicer deposite la tesis, se publicará el resto junto con el código en abierto, para que así lo pueda llevar a la práctica aquél que quiera. Por otra parte, el ingeniero industrial intenta buscar la mejor forma de convertirlo él mismo en un producto final, aunque considera que desarrollar y validar dispositivos médicos es una tarea compleja y costosa.
Pellicer considera dedicarse a más proyectos similares en un futuro, debido a que las técnicas desarrolladas para próstata se pueden adaptar con facilidad a otros órganos y problemas, siendo la principal limitación la cantidad y calidad de los datos disponibles para entrenar los algoritmos. Actualmente, el ingeniero industrial participa de varias peticiones al ministerio y a la Unión Europea, que de obtener financiación se dedicarían a la integración de estas técnicas en un sistema de screening de cáncer de próstata inteligente.
