La tecnología y la medicina siguen un camino paralelo durante las últimas décadas. Los avances tecnológicos van modificando el concepto de salud y las necesidades sanitarias están influyendo en el desarrollo de la tecnología. La Inteligencia Artificial (IA) está formada por una serie de algoritmos lógicos suficientemente entrenados a partir de los cuales las máquinas son capaces de tomar decisiones para casos concretos a partir de normas generales. Esta tecnología tiene aplicaciones en el diagnóstico y seguimiento de pacientes con una evaluación pronóstica individualizada de los mismos1.
Dr. Jordi Temprana Salvador
Fuente: Dr. Temprana / SEAP
Vivimos un momento de grandes cambios en la medicina en general. Hemos empezado a poder aplicar algoritmos de IA en nuestra práctica diaria, si bien aún estamos en fases muy incipientes del proceso. En el caso concreto de la Anatomía Patológica (AP), es un campo que todavía tiene pendiente la generalización de su transformación digital, dado que, por más que haya varios centros en España que ya se han digitalizado, muchos todavía están en fase de poder alcanzar esta meta. Una vez se haya culminado en el conjunto de la AP tal proceso de modernización, se abrirá la puerta al uso de los algoritmos de IA para dar soporte a la detección de afecciones o a la cuantificación de biomarcadores, que a ojos de los patólogos es lo más relevante.
Diagnóstico de las enfermedades a partir del estudio de los tejidos
La AP es una especialidad médica centrada en la anatomía que se dedica al diagnóstico de las enfermedades a partir del estudio de los tejidos2. En concreto, esta disciplina se ocupa del análisis, por medio de técnicas morfológicas, de las causas, el desarrollo y las consecuencias de las patologías.
La AP es esencial para el diagnóstico y confirmación definitiva de muchísimas enfermedades. Aunque es una especialidad más habitual en el ámbito del cáncer y en áreas adyacentes a la actividad oncológica, también tiene su papel en la esfera de las afecciones no neoplásicas. Es más, nuestra disciplina genera un porcentaje elevadísimo de todos los diagnósticos que se realizan, sobre todo en los hospitales, y además con un coste relativamente bajo.
Instrumental de Anatomía Patológica
Fuente: Dr. Temprana / SEAP
A pesar de todos estos logros y de la importancia que tiene la labor que desarrollan los patólogos, existe una evidente preocupación a nivel mundial por la falta de popularidad de la especialidad de AP entre los estudiantes de medicina, y por las altas tasas de abandono durante la residencia3. La asignatura de AP es fundamental en la formación de esos estudiantes, pero para muchos de ellos es una asignatura que presenta un excesivo contenido teórico, poco trasladable a la práctica clínica4.
De todo ello se deduce que nuestra especialidad es una disciplina muy desconocida, no solamente para la población general, sino también para los alumnos de medicina. Esos estudiantes probablemente cursan la carrera pensando que dispensarán una atención más directa al paciente, viéndolo presencialmente, y no a través de sus biopsias. No obstante, cabe decir que los patólogos también tenemos consultas en las que realizamos, por ejemplo, punciones directamente a los pacientes, actividad que desempeñamos con intencionalidad diagnóstica. Con todo, sí que es verdad que la asistencia que se presta desde la AP normalmente carece de la presencia física del enfermo -más allá de sus muestras analizables-, contrariamente a lo que ocurre en otras disciplinas. El desconocimiento que existe en torno a la AP comporta que cueste transmitir la relevancia del trabajo que desarrollan estos profesionales.
Integrar en una pantalla análisis, imágenes y datos del paciente, entre otros contenidos
Ahora bien, la digitalización y la IA pueden hacer un poco más atractiva la AP, es decir, podrían convencer a los alumnos de medicina de que están ante una disciplina moderna, actual, tecnológica y avanzada. Sin ir más lejos, está comprobado que todos los algoritmos aplicados y los resultados asociados a la transformación digital impactan en la percepción que tienen el resto de facultativos sobre nosotros, ya que cuando vamos a comités multidisciplinares centrados en el abordaje de tumores, compartimos imágenes, datos, métricas y análisis, y, además, lo hacemos facilitando la visualización de toda la información recopilada.
La patología digital es el fruto de la transformación digital que se está llevando a cabo en los laboratorios de anatomía, puesto que se está pasando de trabajar básicamente con el microscopio, a integrar en una pantalla análisis, imágenes, datos del paciente, trazabilidad del laboratorio, datos de biología molecular, etc. En definitiva, que toda la información que se genera y que se necesita en un servicio de Anatomía para realizar un diagnóstico, se integra de forma digital para que esté disponible y utilizable a la hora de proceder a la detección e identificación de enfermedades.
El proyecto DigiPatICS, por ejemplo, es un programa desarrollado en Cataluña que busca aumentar la seguridad y calidad de la atención que recibe el usuario de la sanidad, al tiempo que trata de mejorar el diagnóstico y la eficiencia de los sistemas de AP a través de la optimización de procesos, la patología digital y las herramientas de IA5.
La IA y el cáncer de pulmón
Con la convergencia de la patología digital y la IA, la práctica de la AP está experimentando un cambio de paradigma apasionante. Lógicamente, el uso conjunto de ambas herramientas permite a los patólogos tener una capacidad incrementada a la hora de mejorar la precisión, la eficiencia y la consistencia del diagnóstico6.
Imagen obtenida en el marco de un estudio destinado a mejorar la precisión de la detección automatizada de células tumorales en el tejido pulmonar
Extraída de: Pérez-Cano J, Sansano Valero I, Anglada-Rotger D, Pina O, Salembier P, Marques F. Combining graph neural networks and computer vision methods for cell nuclei classification in lung tissue. Heliyon. 2024;10(7):e28463
En esta línea, se están diseñando algoritmos para diferentes aplicaciones y, en el caso concreto de la medicina respiratoria, se han creado metodologías que por ahora se usan para contribuir a la detección de patrones y cuantificación de biomarcadores en el marco de la identificación de áreas tumorales. Son unos procedimientos que, oncológicamente hablando -y más allá del ámbito neumológico-, se están desarrollando especialmente en la esfera del cáncer de mama, si bien también tienen su presencia -volviendo de nuevo al ámbito neumológico- en la lucha contra el cáncer de pulmón.
En la actualidad, con el uso de la IA es posible integrar información obtenida por el médico y plasmada en el expediente clínico electrónico, sistemas de información de laboratorio y microbiológicos, archivos, imágenes, sistemas de reportes de patología e incluso análisis farmacogenéticos. Estos datos pueden ser vaciados y fácilmente interpretados por algoritmos de IA con el fin de ser entregados de manera rápida y eficiente al médico, quien, a su vez, podrá tomar decisiones inmediatas en términos de prevención, diagnóstico y tratamiento7.
En medicina respiratoria, igual que en otras disciplinas, la idea es poder disponer de todos esos datos de forma agregada (información clínica y molecular, secuencias radiológicas, imágenes patológicas…) y aplicar algoritmos que -recordémoslo, todavía están en fases muy incipientes- permitan combinar todos los reportes y extraer información que, quizás, habitualmente no se muestre de una manera tan clara a ojos de un facultativo. Las herramientas de IA, por un lado, van a repercutir enormemente en lo que es la identificación de marcadores, puesto que éstos van a ser más reproducibles y precisos, y por otro, sustentarán sistemas muy útiles para el cribado y localización de nuevos patrones y tendencias, que es una información que puede generarse cuando se trabaja con un gran volumen de datos y se dispone de las herramientas adecuadas para su interpretación y valoración. Las biopsias en cáncer de pulmón son terreno abonado para todo ello.
Los algoritmos de IA mejorarán las capacidades de los profesionales de la AP porque van a posibilitar que los patólogos seamos más precisos en el diagnóstico de las enfermedades que inciden en el aparato respiratorio. El hecho de poder disponer de una tecnología tan avanzada e inteligente que tenga la capacidad de cribar, priorizar, ordenar y facilitar los flujos encaminados a la consecución de nuevos diagnósticos es un apoyo muy bienvenido en unos servicios como los de AP, siempre saturados de trabajo.
Referencias
1. Avila-Tomás JF, Mayer-Pujadas MA, Quesada-Varela VJ. La inteligencia artificial y sus aplicaciones en medicina I: introducción antecedentes a la IA y robótica. Aten Primaria. 2020;52(10):778-784.
2. Rozario SY, Sarkar M, Farlie MK, Lazarus MD. Responding to the healthcare workforce shortage: A scoping review exploring anatomical pathologists' professional identities over time. Anat Sci Educ. 2024;17(2):351-365.
3. Martínez-Ciarpaglini C, Expósito-Afonso I, Iglesias M, Perez-Mies B. Residencia de Anatomía Patológica en España: ¿cómo estamos y en qué debemos mejorar? Rev Esp Patol. 2020;53(1):3-9.
4. Martínez-Ciarpaglini C, Agustí J, Alfaro-Cervello C, Terrádez L, Alarcón L, Gomez J, et al. Anatomía Patológica para el estudiante de Medicina: videotutoriales con integración de Patología digital como una valiosa herramienta para hacer la asignatura más práctica y atractiva. Rev Esp Patol. 2022;55(2):85-89.
5. Temprana-Salvador J, López-García P, Castellví Vives J, De Haro Ll, Ballesta E, Rojas Abusleme M, et al. DigiPatICS: Digital Pathology Transformation of the Catalan Health Institute Network of 8 Hospitals-Planification, Implementation, and Preliminary Results. Diagnostics (Basel). 2022;12(4):852.
6. Meroueh Ch, Eric Chen Z. Artificial intelligence in anatomical pathology: building a strong foundation for precision medicine. Hum Pathol. 2023;132:31-38.
7. Lanzagorta-Ortega D, Carrillo-Pérez DL, Carrillo-Esper R. Inteligencia artificial en medicina: presente y futuro. Gac. Méd. Méx [revista en la Internet]. 2022; 158(1): 17-21. Disponible en: http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0016-38132022001100017&lng=es. Epub 20-Ene-2023. https://doi.org/10.24875/gmm.m22000688.
