Este tipo de cáncer es el que se diagnostica con más frecuencia en los hombres, y como todos los demás tipos de esta enfermedad, la detección temprana es vital. Identificarlo mediante una muestra de tejido celular tarda entre 24 horas y 3 días hábiles, pero gracias a la optimización visual de las imágenes histológicas se ha probado un método que reduciría ese tiempo a 5 minutos.
Por | Agencia de Noticias UN
Para identificar la presencia del cáncer de próstata se utilizan especialmente tres técnicas: (i) muestra de sangre, para medir si la concentración de células prostáticas es alta; (ii) el procedimiento convencional del tacto rectal, y (iii) una muestra invasiva de biopsia, que consiste en retirar una parte minúscula de tejido celular prostático para analizarlo en un microscopio.
Apoyado en las ventajas que ofrece la inteligencia artificial, el ingeniero electrónico Julián David Vargas López, magíster en Automatización Industrial de la Universidad Nacional de Colombia (UNAL) Sede Manizales, diseñó una red neuronal que modifica el programa de lectura de imágenes de tejidos y de células (histológicas) para “enseñarle” al programa a leer una imagen.
Dicho proceso, conocido como “imitación de la corteza visual del ojo humano”, es un sistema que identifica características u objetos de una imagen para aprenderlos. En este caso, se buscó que reconociera zonas cancerígenas en los tejidos celulares provenientes de la próstata.
Según el investigador, “la construcción de la red neuronal artificial como algoritmo consistió en pixelar o expandir la imagen en cuatro pasos y con diferentes porcentajes de pixel (pequeñas unidades homogéneas que componen una imagen digital)”.
A partir de la imagen original hasta la asignación final, el magíster aplicó cuatro valores: (i) imagen original, (ii) 50 %, (iii) 25 %, y (iv) un muestreo del 12 %. Cada uno de estos cuatro pasos caracteriza un componente diferente del tejido celular: lumen, estroma, citoplasma y núcleo.
“Al pixelar la imagen con los porcentajes establecidos, el algoritmo muestra una serie de imágenes en relieve o alto contraste en tono negativo (blanco y negro) y en forma de vector (siluetas), las cuales se le enseñan al programa para que identifique especialmente que las zonas blancas son áreas con cáncer y las zonas oscuras son áreas comunes, o partes del tejido sano”, explica el investigador.
Agrega que “cuando el sistema analiza la imagen en cada paso del algoritmo emite una nueva imagen a color, similar a la del análisis visual tradicional, con la diferencia de que en esta presentación se evidencia mayor intensidad del color en el tejido prostático, al igual que en su textura y forma, indicando así las áreas con cáncer en las que el especialista debería concentrarse más”.
Con esta caracterización del tejido se pudo realizar una base de datos o historial de similitudes de cáncer entre tejidos, sumando velocidad al análisis de imágenes, para segmentar 100 muestras en solo 20 horas.
“La creación de este código por lectura artificial le permitirá al especialista optimizar los tiempos de lectura de exámenes y atención al paciente para detectar o prevenir el cáncer de próstata”, concluye el magíster Vargas.
