Edición Médica

Lunes, 14 de octubre de 2024
18:29
Colombia | Ecuador
Avances
APRENDIZAJE AUTOMÁTICO
Investigadores de la UNAL desarrollan innovadora técnica para la detección del Cáncer de Ovario
El estudio se centra en aplicar técnicas de aprendizaje automático que aún no han sido exploradas a fondo en este contexto
Jueves, 26 de septiembre de 2024, a las 15:07

Eileen Tatiana Montoya, magíster en Ingeniería Biomédica.


Redacción. Bogotá
Un equipo de investigadores de la Universidad Nacional de Colombia (UNAL) ha desarrollado una innovadora técnica de entrenamiento de máquinas basada en modelos matemáticos complejos que analiza y clasifica imágenes de tejidos, con el objetivo de detectar el cáncer de ovario en etapas tempranas. Esta enfermedad, que afecta aproximadamente a 1 de cada 70 mujeres, es conocida por su difícil detección, lo que conlleva a diagnósticos tardíos en muchos casos.
 
En Colombia, se registran cerca de 1.100 muertes anuales a causa de esta patología.
 
La investigadora Eileen Tatiana Montoya, magíster en Ingeniería Biomédica, ha centrado sus esfuerzos en aplicar técnicas de aprendizaje automático que aún no han sido exploradas a fondo en este contexto. A través del uso de un algoritmo de supervisión avanzado, conocido como “máquina de vectores de soporte”, se ha logrado entrenar a la inteligencia artificial para reconocer patrones específicos en imágenes histopatológicas obtenidas de tejidos extraídos durante resecciones quirúrgicas.
 
Este enfoque permite a la inteligencia artificial identificar no solo el tumor, sino también las células sanas circundantes, lo cual es crucial para entender el microambiente tumoral. "El microambiente tumoral es el conjunto de células y tejidos que rodean el tumor; mientras el sistema inmunológico intenta atacarlo, el cáncer puede adaptarse y alterar las células que deberían combatirlo", ha explicado la magíster.
 
El estudio avanza en la comprensión de cómo progresan estas interacciones celulares. Mediante la clasificación de imágenes junto a patólogos, se logró etiquetar y entrenar a la máquina, alcanzando una alta precisión en la identificación de tres tipos de tejido: tumoral, sano (estroma) y necrótico. Esta clasificación permite analizar las interacciones entre el tumor y su microambiente.
 
Montoya ha correlacionado estos microambientes con datos clínicos de pacientes, como el tiempo de supervivencia, hallando que ciertos patrones en el microambiente están asociados con el pronóstico de la enfermedad. "Los pacientes con microambientes que indicaban un tumor más agresivo y en etapas avanzadas mostraron peores desenlaces, mientras que aquellos con ambientes más saludables presentaron mejores resultados clínicos", ha destacado.
 
Estos hallazgos ofrecen un enfoque prometedor para el diagnóstico y monitoreo del cáncer de ovario. Al identificar patrones en el microambiente tumoral a través de imágenes histopatológicas, se presenta una herramienta valiosa que podría transformar la forma en que los médicos diagnostican y gestionan esta enfermedad.
 

Política de cookies

Utilizamos cookies propias y de terceros para recopilar información que ayuda a optimizar su visita. Las cookies no se utilizan para recoger información de carácter personal. Usted puede permitir su uso o rechazarlo, también puede cambiar su configuración siempre que lo desee. Al continuar con la navegación entendemos que se acepta nuestra Política de cookies.