Una IA detecta células sanguíneas peligrosas que los médicos suelen pasar por alto

Un innovador sistema de inteligencia artificial (IA) ha demostrado su capacidad para examinar la forma y estructura de las células sanguíneas, lo que podría mejorar significativamente el diagnóstico de enfermedades como la leucemia. Según los investigadores, esta herramienta puede identificar células anormales con mayor precisión y consistencia que los especialistas humanos, lo que podría reducir los diagnósticos erróneos o inciertos.

El sistema, denominado CytoDiffusion, utiliza IA generativa, la misma tecnología que alimenta generadores de imágenes como DALL-E, para analizar en detalle la apariencia de las células sanguíneas. A diferencia de otros sistemas que se centran solo en patrones evidentes, CytoDiffusion examina variaciones sutiles en la apariencia de las células bajo el microscopio. 

/Inicio Código Embebido/

/Fin Código Embebido/

Superando el reconocimiento de patrones

Muchos de los actuales sistemas de IA médica están entrenados para clasificar imágenes en categorías predefinidas. En contraste, el equipo detrás de CytoDiffusion demostró que su enfoque puede reconocer la gama completa de apariencias normales de las células sanguíneas y señalar de manera confiable células raras o inusuales que pueden indicar enfermedad. Este trabajo fue liderado por investigadores de la Universidad de Cambridge, University College London y Queen Mary University of London, y los hallazgos fueron publicados en Nature Machine Intelligence.

Identificar pequeñas diferencias en el tamaño, la forma y la estructura de las células sanguíneas es fundamental para diagnosticar muchos trastornos hematológicos. Sin embargo, aprender a hacerlo correctamente puede llevar años de experiencia, y hasta los médicos más capacitados pueden no estar de acuerdo al revisar casos complejos.

"Todos tenemos muchos tipos diferentes de células sanguíneas que tienen propiedades y roles distintos en nuestro cuerpo", comentó Simon Deltadahl, del Departamento de Matemáticas Aplicadas y Física Teórica de Cambridge, primer autor del estudio. "Los glóbulos blancos, por ejemplo, se especializan en combatir infecciones. Pero saber cómo se ve una célula sanguínea inusual o enferma bajo el microscopio es una parte importante del diagnóstico de muchas enfermedades".

Manejando la escala del análisis sanguíneo

Un frotis de sangre estándar puede contener miles de células individuales, muchas más de las que una persona puede examinar de manera realista una por una. "Los humanos no pueden mirar todas las células en un frotis, simplemente no es posible", dijo Deltadahl. "Nuestro modelo puede automatizar ese proceso, clasificar los casos rutinarios y resaltar cualquier cosa inusual para la revisión humana".

Este desafío es familiar para los clínicos. "El desafío clínico que enfrenté como médico de hematología junior era que, después de un día de trabajo, me encontraba con muchos frotis de sangre para analizar", comentó el coautor principal Dr. Suthesh Sivapalaratnam de Queen Mary University of London. "Mientras los analizaba en las últimas horas, me convencí de que la IA haría un mejor trabajo que yo".

Entrenamiento en un conjunto de datos sin precedentes

Para construir CytoDiffusion, los investigadores lo entrenaron con más de medio millón de imágenes de frotis de sangre recolectadas en el Hospital Addenbrooke de Cambridge. Este conjunto de datos, descrito como el más grande de su tipo, incluye tipos de células sanguíneas comunes, ejemplos raros y características que a menudo confunden a los sistemas automatizados.

En lugar de simplemente aprender a separar las células en categorías fijas, la IA modela toda la gama de cómo pueden aparecer las células sanguíneas. Esto la hace más resistente a las diferencias entre hospitales, microscopios y técnicas de tinción, al tiempo que mejora su capacidad para detectar células raras o anormales.

Detectando leucemia con mayor confianza

Cuando se probó, CytoDiffusion identificó células anormales asociadas con la leucemia con una sensibilidad mucho mayor que los sistemas existentes. También funcionó igual o mejor que los modelos líderes actuales, incluso cuando se entrenó con muchos menos ejemplos, y fue capaz de cuantificar cuán seguro estaba de sus propias predicciones.

"Cuando probamos su precisión, el sistema fue ligeramente mejor que los humanos", dijo Deltadahl. "Pero donde realmente destacó fue en saber cuándo estaba incierto. Nuestro modelo nunca diría que estaba seguro y luego se equivocaría, pero eso es algo que los humanos a veces hacen".

El coautor principal Profesor Michael Roberts del Departamento de Matemáticas Aplicadas y Física Teórica de Cambridge comentó que el sistema fue evaluado frente a desafíos del mundo real que enfrentan las IA médicas. "Evaluamos nuestro método contra muchos de los desafíos que se ven en la IA del mundo real, como imágenes nunca antes vistas, imágenes capturadas por diferentes máquinas y el grado de incertidumbre en las etiquetas", dijo. "Este marco proporciona una visión multifacética del rendimiento del modelo que creemos será beneficioso para los investigadores".

Cuando las imágenes de IA engañan a expertos humanos

El equipo también descubrió que CytoDiffusion puede generar imágenes sintéticas de células sanguíneas que son indistinguibles de las reales. En una 'prueba de Turing' que involucró a diez hematólogos experimentados, los especialistas no tuvieron mejor suerte que el azar al intentar distinguir imágenes reales de las creadas por la IA.

"Eso realmente me sorprendió", dijo Deltadahl. "Estas son personas que miran células sanguíneas todo el día, y ni siquiera ellos pudieron decirlo".

Abrir datos a la comunidad de investigación global

Como parte del proyecto, los investigadores están liberando lo que describen como la colección de imágenes de frotis de sangre periférica más grande del mundo, que totaliza más de medio millón de muestras.

"Al hacer este recurso abierto, esperamos empoderar a investigadores de todo el mundo para construir y probar nuevos modelos de IA, democratizar el acceso a datos médicos de alta calidad y, en última instancia, contribuir a una mejor atención al paciente", dijo Deltadahl.

Apoyando, no reemplazando, a los clínicos

A pesar de los sólidos resultados, los investigadores enfatizan que CytoDiffusion no está destinado a reemplazar a los médicos capacitados. En cambio, está diseñado para ayudar a los clínicos al señalar rápidamente casos preocupantes y procesar automáticamente muestras rutinarias.

"El verdadero valor de la IA en salud no radica en aproximar la experiencia humana a un costo menor, sino en permitir un mayor poder diagnóstico, pronóstico y prescriptivo que ni los expertos ni los modelos estadísticos simples pueden lograr", comentó el coautor principal Profesor Parashkev Nachev de UCL. "Nuestro trabajo sugiere que la IA generativa será central en esta misión, transformando no solo la fidelidad de los sistemas de apoyo clínico, sino también su comprensión de los límites de su propio conocimiento. Esta conciencia 'metacognitiva' —saber lo que no se sabe— es crítica para la toma de decisiones clínicas, y aquí mostramos que las máquinas pueden ser mejores en ello que nosotros".

El equipo señala que se necesita investigación adicional para aumentar la velocidad del sistema y validar su rendimiento en poblaciones de pacientes más diversas para garantizar precisión y equidad.

La investigación recibió apoyo de The Trinity Challenge, Wellcome, British Heart Foundation, Cambridge University Hospitals NHS Trust, Barts Health NHS Trust, NIHR Cambridge Biomedical Research Centre, NIHR UCLH Biomedical Research Centre y NHS Blood and Transplant. El trabajo fue realizado por el grupo de trabajo de imágenes dentro del consorcio BloodCounts!, que tiene como objetivo mejorar los diagnósticos sanguíneos en todo el mundo utilizando IA. Simon Deltadahl es miembro del Lucy Cavendish College, Cambridge.

Temas