Un nuevo sistema de inteligencia artificial que examina la forma y estructura de las células sanguíneas podría mejorar significativamente el diagnóstico de enfermedades como la leucemia. Los investigadores dicen que la herramienta puede identificar células anormales con mayor precisión y consistencia que los especialistas humanos, lo que potencialmente reduce los diagnósticos perdidos o inciertos.
El sistema, conocido como CytoDiffusion, se basa en IA generativa, el mismo tipo de tecnología utilizada en generadores de imágenes como DALL-E, para analizar en detalle la apariencia de las células sanguíneas. En lugar de centrarse únicamente en patrones obvios, estudia variaciones sutiles en el aspecto de las células bajo un microscopio.
Más allá del reconocimiento de patrones
Muchas herramientas de IA médica existentes están entrenadas para clasificar imágenes en categorías predefinidas. Por el contrario, el equipo detrás de CytoDiffusion demostró que su enfoque puede reconocer toda la gama de apariencias de células sanguíneas normales y señalar de manera confiable células raras o inusuales que pueden indicar una enfermedad. El trabajo fue dirigido por investigadores de la Universidad de Cambridge, el University College London y la Universidad Queen Mary de Londres, y los hallazgos se publicaron en Nature Machine Intelligence.
Identificar pequeñas diferencias en el tamaño, la forma y la estructura de las células sanguíneas es fundamental para diagnosticar muchos trastornos sanguíneos. Sin embargo, aprender a hacerlo bien puede requerir años de experiencia, e incluso los médicos altamente capacitados pueden no estar de acuerdo al revisar casos complejos.
«Todos tenemos muchos tipos diferentes de células sanguíneas que tienen diferentes propiedades y diferentes funciones dentro de nuestro cuerpo», dijo Simon Deltadahl del Departamento de Matemáticas Aplicadas y Física Teórica de Cambridge, primer autor del estudio. «Los glóbulos blancos se especializan en combatir infecciones, por ejemplo. Pero saber cómo se ve una célula sanguínea inusual o enferma bajo un microscopio es una parte importante del diagnóstico de muchas enfermedades».
Manejo de la báscula de análisis de sangre
Un frotis de sangre estándar puede contener miles de células individuales, muchas más de las que una persona puede examinar de manera realista una por una. «Los humanos no pueden observar todas las células en un frotis; simplemente no es posible», afirmó Deltadahl. «Nuestro modelo puede automatizar ese proceso, clasificar los casos de rutina y resaltar cualquier cosa inusual para la revisión humana».
Este desafío es familiar para los médicos. «El desafío clínico que enfrenté como médico junior en hematología fue que después de un día de trabajo, tendría que analizar muchas extensiones de sangre», dijo el coautor principal, el Dr. Suthesh Sivapalaratnam, de la Universidad Queen Mary de Londres. «Mientras los analizaba hasta altas horas de la noche, me convencí de que la IA haría un mejor trabajo que yo».
Capacitación sobre un conjunto de datos sin precedentes
Para construir CytoDiffusion, los investigadores lo entrenaron con más de medio millón de imágenes de frotis de sangre recolectadas en el Hospital Addenbrooke en Cambridge. El conjunto de datos, descrito como el más grande de su tipo, incluye tipos de células sanguíneas comunes, ejemplos raros y características que a menudo confunden a los sistemas automatizados.
En lugar de simplemente aprender a separar las células en categorías fijas, la IA modela toda la gama de cómo pueden aparecer las células sanguíneas. Esto lo hace más resistente a las diferencias entre hospitales, microscopios y técnicas de tinción, al tiempo que mejora su capacidad para detectar células raras o anormales.
Detectar leucemia con mayor confianza
Cuando se probó, CytoDiffusion identificó células anormales asociadas con la leucemia con una sensibilidad mucho mayor que los sistemas existentes. También funcionó tan bien o mejor que los principales modelos actuales, incluso cuando se entrenó con muchos menos ejemplos, y fue capaz de cuantificar su confianza en sus propias predicciones.
«Cuando probamos su precisión, el sistema era ligeramente mejor que los humanos», afirmó Deltadahl. «Pero donde realmente se destacó fue en saber cuándo era incierto. Nuestro modelo nunca diría que era seguro y luego se equivocaría, pero eso es algo que los humanos a veces hacen».
El coautor principal, el profesor Michael Roberts del Departamento de Matemáticas Aplicadas y Física Teórica de Cambridge, dijo que el sistema fue evaluado frente a los desafíos del mundo real que enfrenta la IA médica. «Evaluamos nuestro método frente a muchos de los desafíos observados en la IA del mundo real, como imágenes nunca antes vistas, imágenes capturadas por diferentes máquinas y el grado de incertidumbre en las etiquetas», dijo. «Este marco ofrece una visión multifacética del rendimiento del modelo que creemos será beneficiosa para los investigadores».
Cuando las imágenes de IA engañan a los expertos humanos
El equipo también descubrió que CytoDiffusion puede generar imágenes sintéticas de células sanguíneas que parecen indistinguibles de las reales. En una «prueba de Turing» en la que participaron diez hematólogos experimentados, los especialistas no pudieron distinguir mejor que el azar las imágenes reales de las creadas por la IA.
«Eso realmente me sorprendió», dijo Deltadahl. «Estas son personas que miran fijamente las células sanguíneas todo el día, y ni siquiera ellos pueden darse cuenta».
Apertura de datos a la comunidad de investigación global
Como parte del proyecto, los investigadores están publicando lo que describen como la colección de imágenes de frotis de sangre periférica disponible públicamente más grande del mundo, con un total de más de medio millón de muestras.
«Al abrir este recurso, esperamos capacitar a los investigadores de todo el mundo para que creen y prueben nuevos modelos de IA, democraticen el acceso a datos médicos de alta calidad y, en última instancia, contribuyan a una mejor atención al paciente», afirmó Deltadahl.
Apoyar, no reemplazar, a los médicos
A pesar de los sólidos resultados, los investigadores enfatizan que CytoDiffusion no pretende reemplazar a los médicos capacitados. En cambio, está diseñado para ayudar a los médicos señalando rápidamente los casos relacionados y procesando automáticamente muestras de rutina.
«El verdadero valor de la IA sanitaria no reside en aproximarse a la experiencia humana a un coste menor, sino en permitir un mayor poder de diagnóstico, pronóstico y prescripción que el que pueden lograr los expertos o los modelos estadísticos simples», afirmó el coautor principal, el profesor Parashkev Nachev de la UCL. «Nuestro trabajo sugiere que la IA generativa será fundamental para esta misión, transformando no sólo la fidelidad de los sistemas de apoyo clínico sino también su visión de los límites de su propio conocimiento. Esta conciencia ‘metacognitiva’ (saber lo que uno no sabe) es fundamental para la toma de decisiones clínicas, y aquí mostramos que las máquinas pueden ser mejores que nosotros en eso».
El equipo señala que se necesita investigación adicional para aumentar la velocidad del sistema y validar su rendimiento en poblaciones de pacientes más diversas para garantizar la precisión y la equidad.
La investigación recibió el apoyo de Trinity Challenge, Wellcome, British Heart Foundation, Cambridge University Hospitals NHS Trust, Barts Health NHS Trust, NIHR Cambridge Biomedical Research Centre, NIHR UCLH Biomedical Research Center y NHS Blood and Transplant. El trabajo fue realizado por el grupo de trabajo de Imágenes dentro de BloodCounts! consorcio, que tiene como objetivo mejorar el diagnóstico sanguíneo en todo el mundo utilizando IA. Simon Deltadahl es miembro del Lucy Cavendish College de Cambridge.