•  I
• a · A  I
• Accessibilitat  I
• Mapa web  I
• Cercar  I
• Directori

• ::  Sign in :: 

Un equip investigador de la Universitat Politècnica de València (UPV) i la Universitat de Granada (URG), juntament amb personal mèdic especialista de l'Hospital Clínic Universitari de València, està treballant, en el marc del projecte SICAP, en el desenvolupament d'un nou sistema d'ajuda al diagnòstic del càncer de pròstata.

Fins al moment, l'equip investigador ha generat ja una aplicació web que facilita al personal patòleg l'avaluació de les mostres obtingudes en les biòpsies, i una primera versió del sistema que és capaç de determinar si les mostres analitzades són canceroses o no.

Segons Valery Naranjo, coordinadora del Computer Vision and Behaviour Analysis Lab-I3B de la UPV, la web és una eina "de gran valor" per a una primera avaluació de les mostres histopatològiques dels pacients, ja que facilita als patòlegs l'anàlisi de la imatge de cada mostra.

"Després de carregar les imatges -d'alta resolució- en el sistema, pot ampliar-les sense perdre resolució, la qual cosa permet analitzar millor i, sobretot d'una forma més còmoda i senzilla, cada mostra. Els patòlegs poden dibuixar sobre la imatge, marcar les zones afectades i indicar el grau Gleason en cadascuna d'aquestes zones. Aquestes dades anotades són les que el nostre sistema usarà per al seu aprenentatge", indica la investigadora de la UPV.

Així mateix, sobre la primera versió del sistema, Naranjo destaca que aconsegueix extraure noves característiques discriminadores a partir de les imatges, que ens permeten distingir les mostres cancerígenes de les sanes amb una sensibilitat del 95% i una especificitat del 99%. El treball se centra ara a entrenar el sistema perquè siga capaç, no solament de detectar la mostra cancerígena, sinó també d'indicar el grau de càncer.

Sobre el càncer de pròstata i la seua detecció

El càncer de pròstata és la causa més comuna de mort per càncer en homes majors de 70 anys, i l'edat mitjana del diagnòstic se situa en els 66 anys. La majoria dels casos (un 92%) es detecta quan la malaltia està situada a la glàndula prostàtica o als òrgans adjacents.

El procediment per al diagnòstic d'aquesta patologia comença a la consulta de l'uròleg, amb una entrevista clínica, una exploració física i, si s'escau, la sol·licitud d'una determinació analítica de PSA (antigen prostàtic específic).

"Aquesta tècnica de cribratge", afig Valery Naranjo, "ha augmentat la capacitat de detecció d'aquesta malaltia en la població de risc. No obstant això, la prova determinant per al seu diagnòstic és la biòpsia de pròstata, ja que la PSA és poc específica i proporciona gran quantitat de falsos positius".

Diagnòstic més precís, objectiu i ràpid

Segons explica Mª Ángeles Sales Maicas, del Servei d'Anatomia Patològica de l'Hospital Clínic Universitari de València, cada mostra de biòpsia obtinguda per l'uròleg es processa al laboratori per a la posterior anàlisi i avaluació pel patòleg, mitjançant microscòpia òptica.

"És el personal patòleg qui determina si hi ha càncer o no, i si n'hi ha, informa del grau de diferenciació tumoral basant-se en l'escala de Gleason, que té significat pronòstic. Aquesta escala té cinc nivells i la seua valoració és subjectiva, la qual cosa dificulta la seua reproductibilitat, sobretot en els graus 3 i 4", apunta la doctora Sales.

El sistema ideat en el projecte SICAP permetrà la segmentació automàtica de les imatges de les seccions histopatològiques de les biòpsies de la pròstata, així com l'extracció de trets basats en l'estructura dels teixits.

Francisco García Morata, del Servei d'Urologia de l'Hospital Clínic i Universitari de València, indica que "serà l'extracció d'aquestes característiques la que ajudarà als patòlegs al diagnòstic i valoració dels tumors, i a classificar-los de forma més objectiva, fonamentalment en aquells graus d'afecció 3 i 4".

D'aquesta manera, el sistema SICAP no substituirà el personal patòleg, però permetrà eliminar gran part de la subjectivitat que acompanya l'anàlisi d'aquest tipus de mostres, la qual cosa proporcionarà a l'uròleg una informació més robusta per a determinar l'agressivitat tumoral i el pronòstic dels pacients, la qual cosa es tradueix que es podran establir pautes terapèutiques més adequades al tipus de tumor.

José Mª Martínez Jabaloyas, del Servei d'Urologia de l'Hospital Clínic Universitari de València, assenyala que el sistema "pot ser especialment útil als hospitals més petits, on el nombre reduït de patòlegs impedeix la subespecialització d'aquests, la qual cosa redueix la precisió en l'anàlisi subjectiva de les mostres de biòpsia".

Algorismes d'aprenentatge

A més, el sistema incorpora un conjunt d'algorismes d'aprenentatge, de manera que, davant un nou cas, compararia de forma automàtica les característiques de la mostra que es vol analitzar amb d'altres ja registrades prèviament, la qual cosa facilita i agilita el diagnòstic.

Rafael Molina, investigador del Departament de Ciències de la Computació i Intel·ligència Artificial de la Universitat de Granada, indica que aquest sistema, que en l'actualitat està basat en l'extracció de trets morfològics de les imatges histològiques per a la classificació posterior utilitzant processos gaussians, incorporarà pròximament l'obtenció no supervisada de la tinció hematoxilina-eosina, així com l'extracció automàtica de trets d'interès en aquestes imatges utilitzant tècniques d'aprenentatge profund (deep learning).

Notícia en UPV TV
Descarrega arxiu