{"id":65311,"date":"2025-11-28T12:25:30","date_gmt":"2025-11-28T18:25:30","guid":{"rendered":"https:\/\/saluddigital.com\/?p=65311"},"modified":"2025-11-28T12:31:20","modified_gmt":"2025-11-28T18:31:20","slug":"revolucionaria-herramienta-de-ia-mejora-la-precision-para-analizar-tejido-canceroso","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/revolucionaria-herramienta-de-ia-mejora-la-precision-para-analizar-tejido-canceroso\/","title":{"rendered":"Revolucionaria herramienta de IA mejora la precisi\u00f3n para analizar tejido canceroso"},"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

El modelo SMMILe permite ubicar con mayor exactitud d\u00f3nde est\u00e1n las c\u00e9lulas tumorales en im\u00e1genes cl\u00ednicas, sin necesitar anotaciones manuales.<\/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 de Cambridge y colaboradores desarrollaron un nuevo m\u00e9todo de inteligencia artificial (IA) y aprendizaje autom\u00e1tico o machine learning<\/em>, llamado SMMILe<\/strong>, capaz de analizar im\u00e1genes digitales de tejido, conocidas como whole-slide images<\/em>, y localizar con alta precisi\u00f3n las regiones donde se encuentran c\u00e9lulas tumorales. Seg\u00fan Cambridge avance podr\u00eda cambiar la forma en la que se investiga el c\u00e1ncer, ya que mejora notablemente la capacidad de estudiar patrones espaciales dentro de los tumores sin requerir anotaciones manuales, una tarea que tradicionalmente consume tiempo y exige especialistas altamente capacitados.<\/p>

\u201cEl c\u00e1ncer no siempre es uniforme. Un solo tumor puede contener diferentes subtipos, algunos m\u00e1s agresivos que otros. Nuestro modelo no se limita a decir \u00abs\u00ed, hay c\u00e1ncer\u00bb, sino que traza un mapa de estos subtipos y sus proporciones dentro del tejido. Esto podr\u00eda ayudar alg\u00fan d\u00eda a los m\u00e9dicos a personalizar los tratamientos de forma m\u00e1s eficaz, pasando a una comprensi\u00f3n m\u00e1s matizada del c\u00e1ncer de cada paciente\u201d, explic\u00f3 el Dr. Zeyu Gao del Early Cancer Institute de Cambridge.<\/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 estudio, publicado en Nature Cancer<\/em><\/a>, explica que, aunque los modelos actuales pueden clasificar una muestra completa como \u201ccon c\u00e1ncer\u201d o \u201csin c\u00e1ncer\u201d, suelen fallar al indicar exactamente d\u00f3nde<\/strong> est\u00e1n las c\u00e9lulas relevantes dentro del tejido<\/strong>. Esto limita su uso en \u00e1reas donde la distribuci\u00f3n espacial es fundamental, como la identificaci\u00f3n de subtipos tumorales, la b\u00fasqueda de biomarcadores o la comprensi\u00f3n de la heterogeneidad del c\u00e1ncer.<\/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 resolverlo, el equipo combin\u00f3 varias innovaciones dentro de un enfoque llamado aprendizaje m\u00faltiple por instancias (MIL, en ingl\u00e9s)<\/strong>. A diferencia de otros m\u00e9todos basados en atenci\u00f3n que tienden a enfocarse solo en unas pocas regiones muy llamativas, SMMILe genera predicciones m\u00e1s equilibradas e interpreta mejor todas las zonas de la muestra. Adem\u00e1s, emplea m\u00f3dulos espec\u00edficos, como un sistema de refinamiento de instancias y t\u00e9cnicas de muestreo que reducen el riesgo de pasar por alto regiones importantes.<\/p>

Los investigadores evaluaron SMMILe en ocho conjuntos de datos<\/strong> con 3,850 im\u00e1genes de portaobjetos completos<\/strong>, abarcando seis tipos de c\u00e1ncer: mama, pulm\u00f3n, ri\u00f1\u00f3n, ovario, est\u00f3mago y pr\u00f3stata. El m\u00e9todo super\u00f3 a nueve modelos de referencia tanto en la clasificaci\u00f3n general de la muestra como en la cuantificaci\u00f3n espacial<\/strong>, es decir, la capacidad de identificar qu\u00e9 partes del tejido corresponden a cada subtipo celular. En la mayor\u00eda de los casos, SMMILe obtuvo mejoras especialmente notables en m\u00e9tricas como F1 y AUC, incluso en escenarios complejos donde un mismo tejido presenta mezclas de distintos patrones histol\u00f3gicos.<\/p>

Por su parte, la Dra. Mireia Crispin-Ortuzar, especialista en investigaci\u00f3n oncol\u00f3gica en Cambridge y coautora principal del estudio, explic\u00f3 que: \u201cLo que hemos desarrollado es similar a un \u00absonar\u00bb para im\u00e1genes que, en esencia, nos permite ver en la oscuridad. A menudo, tenemos informaci\u00f3n sobre un tumor, pero no sabemos c\u00f3mo se distribuye en el tejido. Existen tecnolog\u00edas que permiten obtener esta informaci\u00f3n, pero son muy costosas. Con nuestro nuevo m\u00e9todo de IA, podemos mapear con precisi\u00f3n las muestras tumorales, y lo mejor es que se entrena con conjuntos de datos baratos y ampliamente disponibles que solo contienen informaci\u00f3n masiva y no espacial\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\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

El estudio se\u00f1ala que este tipo de herramientas puede ser clave para investigaciones que busquen relacionar patrones morfol\u00f3gicos con datos gen\u00f3micos, validar biomarcadores o estudiar la evoluci\u00f3n del c\u00e1ncer dentro del tejido. Tambi\u00e9n podr\u00eda facilitar m\u00e9todos de diagn\u00f3stico m\u00e1s explicables, al mostrar con claridad cu\u00e1les regiones respaldan la predicci\u00f3n de la IA.<\/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 Dr. Gao detall\u00f3 que: \u201cAl permitir que los pat\u00f3logos realicen diagn\u00f3sticos m\u00e1s r\u00e1pidos y precisos, podemos asegurarnos de que los pacientes reciban el mejor tratamiento a\u00fan m\u00e1s pronto, lo que mejora nuestras posibilidades de tratar con \u00e9xito su c\u00e1ncer. La IA podr\u00eda tener un enorme impacto en la vida de nuestros pacientes\u201d.<\/p>

Aunque los autores reconocen que a\u00fan se requieren m\u00e1s pruebas en tareas cl\u00ednicas avanzadas, el trabajo demuestra que es posible lograr una localizaci\u00f3n precisa de caracter\u00edsticas tumorales usando solo etiquetas a nivel de paciente, sin necesidad de anotaciones exhaustivas hechas por pat\u00f3logos. Esto abre la puerta a nuevas aplicaciones donde la distribuci\u00f3n espacial del tumor es tan importante como su clasificaci\u00f3n.<\/p>

Conoce m\u00e1s sobre este proyecto en: https:\/\/www.cam.ac.uk\/stories\/cambridge-cancer-research-hospital<\/a><\/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

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s43018-025-01060-8<\/a><\/p>

CAMBRIDGE<\/strong><\/p>

https:\/\/www.cam.ac.uk\/research\/news\/ai-tool-can-analyse-complex-cancer-images-rapidly-offering-potential-to-personalise-treatment<\/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":"

SMMILe, la revolucionaria herramienta de IA desarrollada en Cambridge que mejora la precisi\u00f3n para analizar tejido canceroso.<\/p>","protected":false},"author":1,"featured_media":65313,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-65311","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\/65311","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=65311"}],"version-history":[{"count":8,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/65311\/revisions"}],"predecessor-version":[{"id":65323,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/65311\/revisions\/65323"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/65313"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=65311"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=65311"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=65311"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}