.jpg)
Un equip de la Universitat de València (UV) i la Universitat Politècnica de València (UPV) ha desenvolupat i validat un sistema d’intel·ligència artificial (IA) capaç de diferenciar amb alta precisió el sarcoma d’Ewing d’altres tumors morfològicament similars. El model, que també permet optimitzar al màxim l’ús de teixit en biòpsies, aconsegueix una exactitud del 91,6 %.
L’avanç, publicat en la revista científica International Journal of Molecular Sciences, representa un salt qualitatiu en patologia digital, ja que orienta el diagnòstic de neoplàsies infantils i juvenils molt complexes, de manera que redueix errors i preserva l’escàs material biològic obtingut en biòpsies per punció.
El sarcoma d’Ewing és una neoplàsia agressiva originada en ossos i parts blanes que afecta, sobretot, en edat pediàtrica i adolescent. La seua identificació al microscopi planteja un dels reptes més ardus de l’anatomia patològica pel fet que comparteix una aparença de cèl·lules indistingible d’altres tumors que també s’originen en teixits blans, com el rabdomiosarcoma (múscul esquelètic estriat), el condrosarcoma (cartílag), els tumors de l’estroma gastrointestinal (tub digestiu) –GIST, per les sigles en anglès– o el sarcoma sinovial (articulacions).
Els investigadors del Departament de Patologia de la Universitat de València Francisco Giner –investigador principal i primer autor de l’article–, Isidro Machado i Samuel Navarro –també coordinador del Grup d’Investigació Translacional de Tumors Sòlids Pediàtrics de l’Institut d’Investigació Sanitària INCLIVA– expliquen que “en moltes biòpsies xicotetes el teixit és molt escàs. Si el patòleg compta amb una eina inicial que oriente precisament la sospita diagnòstica, pot decidir quines proves complementàries i immunohistoquímiques sol·licitar, evitant esgotar la mostra en anàlisis que no aporten informació decisiva”.
IA d’ajuda al personal mèdic
La nova eina d’IA ha sigut desenvolupada per un equip del grup de recerca CVBLab de la Universitat Politècnica de València i l’empresa Artikode Intelligence, empresa derivada (spin off) de la UPV. “L’eina està ideada com a suport al personal mèdic d’anatomia patològica i podria ajudar a orientar les proves necessàries per a confirmar el diagnòstic, especialment quan es disposa de molt poc teixit d’una biòpsia. Amb tècniques d’aprenentatge profund, el sistema identifica aquells patrons microscòpics associats a cada tipus de tumor i, posteriorment, genera una classificació”, incideix Valery Naranjo, coordinadora del CVBLab de la UPV i CTO d’Artikode Intelligence.
Entrenament del model
Per a entrenar i avaluar el sistema, l’equip d’investigadors i investigadores va utilitzar 1.926 mostres histològiques digitalitzades de 729 pacients, de quatre hospitals d’Espanya i Itàlia. Entre aquestes hi havia 517 casos de sarcoma d’Ewing, a més d’altres tumors.
En la cohort de prova independent, el sistema va aconseguir una precisió diagnòstica global del 91,6 % i una sensibilitat del 97,1 % específicament per al sarcoma d’Ewing. Així mateix, el model va demostrar una taxa d’error marginal de l’1,96 % entre el sarcoma d’Ewing i el rabdomiosarcoma, i va resoldre amb gran solidesa el diagnòstic diferencial més desafiador entre els tumors de cèl·lules redones xicotetes.
Pel que fa a això, Francisco Giner recalca que el vertader valor innovador del treball transcendeix fins i tot la tècnica algorítmica. “La novetat del projecte no resideix simplement a usar IA per a diagnosticar Ewing, ja que ja existeixen aproximacions experimentals d’aprenentatge profund en aquest àmbit. La nostra aportació diferencial està en la combinació del problema clínic abordat, el tipus de dades, l’estratègia de classificació i l’orientació cap a una eina aplicable en patologia digital real”, destaca, i insisteix, a més, que la intel·ligència artificial “no pretén substituir el patòleg, sinó constituir un suport diagnòstic objectiu, especialment valuós en centres hospitalaris que no compten amb un accés immediat a la bateria completa de determinacions moleculars”.
Aquesta fita no queda resolta amb la publicació científica, sinó que estableix un precedent metodològic per a l’oncologia computacional. Tal com conclouen els autors, aquest marc analític crea una base tecnològica per a futurs projectes, ja que permet traslladar aquests algorismes a seccions tissulars completes (whole slide images), incorporar subtipus genètics emergents (Ewing-like com CIC, BCOR, PATZ1 o NFATC2) i estendre el suport diagnòstic a altres neoplàsies rares de difícil abordatge.
Aquesta recerca forma part del Projecte DEISA (referències INREIA/2024/71 i INREIA/2024/161), finançat per la Unió Europea a través dels fons NextGenerationEU, i compta amb la participació, junt amb la UV, de la Universitat Politècnica de València (Institut HUMAN-Tech / Artikode Intelligence), de l’Hospital Universitari i Politècnic La Fe, de l’Institut d’Investigació Sanitària INCLIVA, de l’Institut Valencià d’Oncologia (IVO), del Centre d’Investigació Príncep Felip (CIPF), del CIBERONC i de l’Istituto Ortopedico Rizzoli de Bolonya.
Referència de l’article: Giner, F.; Pastor-Naranjo, Á.; Meseguer, P.; Del Amor, R.; Gambarotti, M.; Righi, A.; López-Guerrero, J. A.; Navarro, S.; Mayordomo-Aranda, E.; Llombart-Bosch, A.; Naranjo, V.; i Machado, I. (2026). “Artificial Intelligence-Based Histopathological Analysis to Assist Pathologists in Diagnosing Ewing Sarcoma and Selected Tumor Entities Using Tissue Microarrays”. International Journal of Molecular Sciences, 27(15), 6864. https://doi.org/10.3390/ijms27156864
