{"id":57237,"date":"2025-06-20T10:36:10","date_gmt":"2025-06-20T16:36:10","guid":{"rendered":"https:\/\/saluddigital.com\/?p=57237"},"modified":"2025-06-20T10:46:18","modified_gmt":"2025-06-20T16:46:18","slug":"ia-logra-clasificar-y-diagnosticar-canceres-hematologicos-con-precision-de-expertos","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/ia-logra-clasificar-y-diagnosticar-canceres-hematologicos-con-precision-de-expertos\/","title":{"rendered":"IA logra clasificar y diagnosticar c\u00e1nceres hematol\u00f3gicos con precisi\u00f3n de expertos"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

DeepHeme, clasifica c\u00e9lulas de m\u00e9dula \u00f3sea con una exactitud comparable a la de hematopat\u00f3logos humanos, abriendo paso a diagn\u00f3sticos m\u00e1s r\u00e1pidos y precisos.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores del Memorial Sloan Kettering Cancer Center (MSK), la Universidad de California en San Francisco (UCSF) y UC Berkeley han desarrollado una herramienta de inteligencia artificial (IA) llamada DeepHeme<\/strong> que podr\u00eda transformar el diagn\u00f3stico de c\u00e1nceres sangu\u00edneos y de m\u00e9dula \u00f3sea. El modelo, como detalla un estudio publicado en Science Translational Medicine<\/em><\/a>, automatiza la clasificaci\u00f3n de c\u00e9lulas con precisi\u00f3n comparable a la de especialistas humanos, y reduce el tiempo de an\u00e1lisis de m\u00e1s de 30 minutos a menos de un segundo.<\/p>

La citomorfolog\u00eda de aspirados de m\u00e9dula \u00f3sea es una t\u00e9cnica crucial pero compleja y propensa a errores, especialmente en el diagn\u00f3stico de enfermedades hematol\u00f3gicas. Para abordar estas limitaciones, los cient\u00edficos entrenaron a DeepHeme con 49,977 im\u00e1genes celulares clasificadas en 23 tipos morfol\u00f3gicos por un panel de expertos. El conjunto de entrenamiento incluy\u00f3 30,394 im\u00e1genes de 40 pacientes, y la validaci\u00f3n interna utiliz\u00f3 otras 8,507 im\u00e1genes de 10 pacientes distintos.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El modelo utiliza una t\u00e9cnica llamada snapshot ensemble<\/em>, que permite combinar varias redes neuronales entrenadas durante distintas fases del aprendizaje. Esto no s\u00f3lo mejora el rendimiento general sino que tambi\u00e9n mantiene bajo el costo computacional. DeepHeme alcanz\u00f3 un F1 score<\/em> promedio de 0.92, superando a modelos anteriores (0.78 y 0.67), y mostr\u00f3 un desempe\u00f1o alto, en precisi\u00f3n y sensibilidad superior a 0.8 en 21 de las 23 clases celulares evaluadas.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Para validar su robustez, se aplic\u00f3 el modelo a un conjunto de datos externo del MSK, que incluy\u00f3 13,770 im\u00e1genes adicionales. A pesar de las diferencias en pacientes, protocolos de tinci\u00f3n y esc\u00e1neres utilizados, DeepHeme mantuvo un alto rendimiento: F1 score de 0.89 en m\u00e9dula normal y 0.84 en muestras mixtas, normales y con enfermedades hematol\u00f3gica<\/p>

En una evaluaci\u00f3n ciega frente a tres hematopat\u00f3logos de centros oncol\u00f3gicos reconocidos, DeepHeme igual\u00f3 o super\u00f3 su rendimiento con una precisi\u00f3n y sensibilidad promedio de 0.91, frente al 0.78 y 0.76 de los expertos humanos, respectivamente. Adem\u00e1s, mientras los pat\u00f3logos necesitaron unas tres horas para clasificar 575 im\u00e1genes, DeepHeme lo hizo en menos de un segundo.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

DeepHeme tambi\u00e9n fue capaz de identificar patrones de desarrollo celular que reflejan el \u00e1rbol hematopoy\u00e9tico humano, lo que sugiere que podr\u00eda usarse no solo para clasificar c\u00e9lulas sino tambi\u00e9n para descubrir nuevos biomarcadores relacionados con la progresi\u00f3n de enfermedades o la respuesta al tratamiento.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Seg\u00fan el Dr. Gregory Goldgof, director de IA y Hematopatolog\u00eda Computacional en MSK, \u201cDeepHeme puede analizar tanto sangre como muestras de m\u00e9dula \u00f3sea y podr\u00eda apoyar futuros esfuerzos para mejorar la medicina personalizada\u201d.<\/p>

\u201cHay 500 millones de muestras de sangre recolectadas cada a\u00f1o en Estados Unidos. Nunca podr\u00edamos analizarlas todas con humanos, pero s\u00ed con IA. Esto podr\u00eda abrir la puerta a muchas aplicaciones importantes en el futuro\u201d, agreg\u00f3 Goldgof. La herramienta tambi\u00e9n forma parte de un esfuerzo mayor por digitalizar completamente la hematopatolog\u00eda cl\u00ednica, facilitando la colaboraci\u00f3n m\u00e9dica y la investigaci\u00f3n a gran escala.<\/p>

Por su parte, el Dr. Ahmet Dogan, responsable del Departamento de Hematopatolog\u00eda del MSK, explic\u00f3 que los escaneos de alta resoluci\u00f3n de cada diapositiva, ser\u00e1n utilizados para aprender m\u00e1s sobre los c\u00e1nceres de la sangre en general. A pesar de los\u00a0 prometedores resultados el Dr. Dogan reconoce que la IA no ser\u00e1 nunca un reemplazo para el an\u00e1lisis realizado por los m\u00e9dicos: \u201cEl diagn\u00f3stico del c\u00e1ncer es una decisi\u00f3n m\u00e9dica que debe tomar un humano. Se necesitan m\u00e9dicos y otros investigadores para mejorar continuamente los algoritmos y adaptarlos a nuevas cuestiones cl\u00ednicas\u201d.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

MSK<\/strong><\/p>

https:\/\/www.mskcc.org\/news\/researchers-develop-new-ai-tool-to-improve-blood-cancer-diagnosis<\/a><\/p>

SCIENCE<\/strong><\/p>

https:\/\/www.science.org\/doi\/10.1126\/scitranslmed.adq2162<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

El modelo de IA DeepHeme, logra clasificar y diagnosticar c\u00e1nceres hematol\u00f3gicos con precisi\u00f3n de expertos seg\u00fan estudio reciente. <\/p>","protected":false},"author":1,"featured_media":57240,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-57237","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/57237","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=57237"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/57237\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/57240"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=57237"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=57237"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=57237"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}