¿Puede una inteligencia artificial ayudar al diagnóstico de malignidad en masas cutáneas en perros?

El desarrollo de la inteligencia artificial (IA) ha afectado en muchos aspectos a las personas, mejorando la experiencia de vida. Esto hace que la comprensión de problemas complejos mejore y que los resultados obtenidos sean más probables y acertados. En la medicina humana, se prevé que la IA alcance más de 150 mil millones de euros en la próxima década.

De igual manera que la medicina humana hace uso de los avances de la IA, la medicina veterinaria emplea este tipo de tecnología para mejorar la vida de los animales de compañía, sobre todo en áreas como la radiografía, el triaje y el diagnóstico de enfermedades.

La inteligencia artificial es un campo de la informática que simula la inteligencia humana mediante el uso de los ordenadores. Esta tecnología analiza de forma rápida y exhaustiva conjuntos de datos muy amplios bajo unas instrucciones llamadas algoritmos que indican que tarea en específico se debe realizar. No obstante, la IA solo puede realizar aquello que se le aconseja, por lo que está lejos de replicar la cognición y la inteligencia humana.

Un reciente estudio realizado conjuntamente entre EE UU e Israel se ha propuesto entrenar y validar el uso de un novedoso sistema de imágenes térmicas basado en inteligencia artificial como herramienta de detección para descartar malignidad en masas cutáneas y subcutáneas en perros.

Para realizar el trabajo, hubo una primera fase de “adiestramiento” para el programa de inteligencia artificial, con 147 perros y un total de 233 masas donde el sistema aprendió a diferenciar las neoplasias malignas de las benignas.

Posteriormente, el estudio de validación incluyó 299 perros con 525 masas. La citología no fue diagnóstica en noventa y cuatro masas, lo que resultó en 431 masas de 248 perros con muestras de diagnóstico confirmado.

Durante la exploración, cada masa y su tejido sano adyacente fueron calentados por un diodo emisor de luz de alta potencia. El dispositivo registró la temperatura del tejido y, en consecuencia, la analizó mediante un algoritmo de aprendizaje automático supervisado para determinar si la masa requería más pruebas diagnósticas, existiendo sospecha de malignidad.  

El primer estudio se realizó para recopilar datos para entrenar el algoritmo. El segundo estudio validó el algoritmo, ya que las predicciones del dispositivo en tiempo real se compararon con los resultados de la citología y/o la biopsia.

Los resultados del estudio de validación demostraron que el dispositivo clasificó correctamente 45 de 53 masas malignas y 253 de 378 masas benignas (sensibilidad = 85 % y especificidad = 67 %). El valor predictivo negativo del sistema (es decir, el porcentaje de masas benignas identificadas como benignas) fue del 97 %.

Ante estos resultados, los autores explican que el estudio demuestra que “este novedoso sistema podría utilizarse como herramienta de apoyo a la toma de decisiones, permitiendo a los veterinarios diferenciar entre lesiones benignas y aquellas que requieren diagnósticos adicionales”.