CHIEF, la IA creada por Harvard para la detección y predicción de las probabilidades de supervivencia en pacientes con cáncer

Científicos de la Escuela de Medicina de Harvard han diseñado un modelo de inteligencia artificial (IA) con capacidades similares a ChatGPT, capaz de realizar una amplia gama de tareas de diagnóstico en diferentes tipos de cáncer.

El sistema, denominado CHIEF (Clinical Histopathology Imaging Evaluation Foundation), fue diseñado para superar las limitaciones de los modelos actuales, que suelen centrarse en tareas específicas o en tipos de cáncer limitados, según un artículo publicado el pasado mes de septiembre en la revista Nature.

CHIEF ha demostrado eficacia en 19 tipos diferentes de cáncer, marcando un avance significativo en el uso de la inteligencia artificial para el diagnóstico médico.

“Nuestra ambición era crear una plataforma de IA ágil y versátil que pudiera realizar una amplia gama de evaluaciones en cáncer”, afirmó Kun-Hsing Yu, autor principal del estudio y profesor asistente de informática biomédica en el Instituto Blavatnik de la Escuela de Medicina de Harvard.

“Nuestro modelo resultó ser muy útil en tareas relacionadas con la detección, pronóstico y respuesta al tratamiento en múltiples tipos de cáncer”, agregó.

CHIEF analiza imágenes digitales de tejidos tumorales, identificando células cancerosas y prediciendo perfiles moleculares con mayor precisión que los sistemas actuales. Además, pronostica la supervivencia del paciente en diferentes tipos de cáncer y evalúa características del microambiente tumoral, elementos del tejido circundante que influyen en la respuesta a tratamientos como cirugía, quimioterapia, radioterapia e inmunoterapia.

El equipo destacó que esta nueva herramienta de IA también identificó características tumorales previamente desconocidas que están relacionadas con la supervivencia del paciente, lo que podría abrir nuevas líneas de investigación y tratamiento.

“Si se valida y despliega ampliamente, nuestro enfoque podría identificar de manera temprana a pacientes que podrían beneficiarse de tratamientos experimentales dirigidos a variaciones moleculares específicas”, explicó Yu, subrayando la importancia de estas capacidades en regiones con acceso limitado a tratamientos avanzados.

El modelo fue entrenado inicialmente con 15 millones de imágenes no etiquetadas y posteriormente con 60.000 imágenes completas de tejidos de 19 tipos de cáncer, entre ellos pulmón, mama, próstata, estómago, riñón, cerebro, piel y páncreas. Este enfoque permitió a CHIEF analizar imágenes de manera holística, relacionando cambios en áreas específicas con el contexto general del tejido.

Durante las pruebas, la herramienta fue evaluada con más de 19.400 imágenes provenientes de 32 conjuntos de datos independientes y 24 hospitales de diferentes regiones del mundo. El modelo superó en hasta un 36% a otros sistemas avanzados en tareas clave como la detección de células cancerosas, la identificación del origen del tumor, la predicción de resultados clínicos y la detección de genes asociados a la respuesta al tratamiento.

Una de las características destacadas de CHIEF es su capacidad para mantener la precisión independientemente de cómo se obtengan las células tumorales, ya sea mediante biopsia o cirugía, y del método empleado para digitalizar las muestras. Esto lo convierte en una herramienta adaptable a diversos entornos clínicos, un avance significativo frente a los modelos actuales, que suelen ser menos eficaces fuera de condiciones específicas.

El desarrollo de CHIEF se basa en investigaciones previas del equipo de Yu, que demostraron la viabilidad del uso de IA en el análisis de tumores de colon y cerebro. Según los investigadores, este nuevo modelo representa un paso hacia el uso más extendido de la IA para mejorar la precisión y eficiencia en el diagnóstico y tratamiento del cáncer.

En cinco conjuntos de datos de biopsias recogidos de cohortes independientes, el sistema de IA alcanzó un 96 por ciento de exactitud en múltiples tipos de cáncer, incluyendo el esófago, el estómago, el colon y la próstata. Cuando los investigadores lo probaron en láminas previamente no vistas de tumores extirpados quirúrgicamente del colon, el pulmón, el seno, el endometrio y el cuello del útero, el modelo mostró un rendimiento con más del 90 por ciento de exactitud.

Por su parte, en todos los tipos de cáncer y en todos los grupos de pacientes bajo estudio, CHIEF distinguió a los pacientes con supervivencia a más largo plazo de aquellos con supervivencia a más corto plazo. De acuerdo a lo detallado por Harvard, CHIEF superó a otros modelos en un 8 por ciento; y en pacientes con cánceres más avanzados, superó a otros modelos en un 10 por ciento. En total, su capacidad para predecir el riesgo de muerte alto frente al bajo fue probada y confirmada en muestras de pacientes de 17 instituciones diferentes.