El grupo eSalud del Instituto de Investigación Sanitaria Biogipuzkoa y profesionales de Vicomtech, ha desarrollado una herramienta de inteligencia artificial para acompañar la labor de las y los patólogos en el diagnóstico del cáncer de mama. Las y los investigadores María Jesús García González, Jhon Comba Miranda, Laura Valeria Pérez Herrera, Iván Macía Oliver y Karen López-Linares Román han realizado este trabajo, cuyos resultados han sido publicados en la revista científica internacional Scientific Reports.
El cáncer de mama es el tumor más frecuente en mujeres y su diagnóstico requiere el análisis detallado de biopsias por parte de especialistas en Anatomía Patológica. En la práctica clínica, cada caso debe revisarse en dos momentos: primero para decidir si son necesarias pruebas adicionales para emitir un diagnóstico definitivo, como la inmunohistoquímica (IHQ), y posteriormente para emitir el diagnóstico como tal, con toda la información una vez está disponible. Este proceso, aunque imprescindible, aumenta la carga asistencial y puede alargar los tiempos de respuesta.
En los últimos años, la digitalización de las imágenes histológicas y el desarrollo de la inteligencia artificial (IA) han abierto nuevas oportunidades para apoyar a las y los profesionales sanitarios. Sin embargo, la mayoría de herramientas actuales se centran en tareas diagnósticas específicas y no en mejorar la eficiencia del flujo de trabajo clínico. Este trabajo abordó precisamente esa necesidad, actuando en una fase previa del proceso diagnóstico.
En este contexto, el objetivo de este nuevo estudio fue desarrollar una herramienta de IA capaz de analizar imágenes digitales de biopsias de mama y predecir de forma automática si es necesario solicitar pruebas adicionales de IHQ. De este modo, la patóloga o el patólogo podría revisar el caso una única vez con toda la información y las pruebas adicionales ya disponibles. Así, se optimizaría el proceso diagnóstico desde sus primeras etapas, reduciendo la necesidad de revisiones duplicadas y permitiendo que las y los especialistas centren su trabajo en la toma de decisiones clínicas de mayor valor.
Imagen 1: izquierda, flujo de trabajo estándar; derecha, flujo de trabajo digital
En la imagen 1 se muestran los dos flujos de trabajo mencionados. En la izquierda aparece el flujo de trabajo estándar, actual, con dos revisiones por parte de la patóloga o patólogo (la primera para solicitar tinciones de inmunohistoquímica y la segunda para realizar el diagnóstico final). A la derecha, aparece el flujo de trabajo digital, con el modelo de IA integrado (el modelo solicitaría automáticamente las tinciones de inmunohistoquímica y la patóloga o patólogo solo revisaría el caso una vez para emitir el diagnóstico final directamente).
Como resultado de este trabajo, se ha desarrollado AUPA, un sistema de IA diseñado para analizar imágenes digitales completas de biopsias de mama y clasificar automáticamente los casos en tres categorías: lesiones benignas, carcinomas in situ y carcinomas invasivos. Esta clasificación del tipo histológico permitiría la automatización de la petición de tinciones específicas de IHQ, ya que cada tipo tiene asociado un panel específico.
Para su desarrollo y validación, se utilizaron cerca de 2.000 biopsias reales procedentes de distintos hospitales del sistema público de salud de Galicia, lo que permitió evaluar su rendimiento en un entorno clínico representativo y diverso. Además, el sistema fue sometido a diferentes procesos de validación, incluyendo pruebas con datos externos y estudios piloto en entornos reales. Por último, se evaluó específicamente la posible presencia de sesgos algorítmicos, un aspecto clave para garantizar su uso en distintos entornos clínicos.
Los resultados mostraron que AUPA alcanza un alto nivel de precisión y un rendimiento comparable al de especialistas en la tarea específica de decidir cuándo es necesario solicitar estudios de IHQ. En los estudios de validación, el sistema alcanzó niveles de precisión superiores al 96% para decidir cuándo solicitar IHQ y podría haber ahorrado hasta 43 horas de trabajo de especialistas. Asimismo, el estudio demuestra la viabilidad de integrar este tipo de herramientas en flujos de trabajo digitales reales y su capacidad de adaptación a distintos centros hospitalarios.
Por lo tanto, este trabajo demuestra que la IA puede contribuir de forma efectiva a optimizar etapas clave del proceso diagnóstico en Anatomía Patológica, no solo mediante el análisis de imágenes, sino también apoyando decisiones clínicas que actualmente requieren revisiones adicionales. En particular, herramientas como AUPA permiten anticipar la necesidad de estudios de IHQ desde fases tempranas del análisis, lo que podría reducir tareas repetitivas, acortar los tiempos de respuesta y mejorar la eficiencia del laboratorio. En conjunto, estos resultados refuerzan el potencial de la IA como herramienta de apoyo al especialista, capaz de integrarse en la práctica clínica real sin sustituir el criterio profesional, sino complementándolo y permitiendo un uso más eficiente de los recursos. Además, aunque el sistema está diseñado como una herramienta de apoyo para el profesional sanitario, su aplicación puede tener un impacto directo en los pacientes. Al permitir anticipar qué pruebas adicionales son necesarias, se puede reducir el tiempo entre la biopsia y el diagnóstico definitivo. Esto es especialmente relevante en el cáncer de mama, donde una respuesta más rápida contribuye a disminuir la incertidumbre y la ansiedad de las pacientes.
En palabras de las y los investigadores “este trabajo ha sido especialmente ilusionante porque surge de la colaboración directa entre profesionales clínicos y perfiles tecnológicos dentro del entorno de investigación sanitaria. Poder trasladar desarrollos de inteligencia artificial a un contexto cercano a la práctica real ha sido uno de los principales motores del proyecto y demuestra el potencial de este tipo de colaboraciones para generar impacto real en la práctica clínica”. Añaden que “esperamos que los resultados contribuyan a avanzar hacia una integración responsable de la inteligencia artificial en los hospitales, siempre como una herramienta de apoyo que ayude a mejorar la calidad y la eficiencia de la atención sanitaria.”
El algoritmo utilizado en este trabajo fue inicialmente desarrollado gracias a una compra pública de innovación licitada por el servicio gallego de salud, parcialmente financiada por fondos FEDER. Además, las y los autores agradecen a las patólogas y patólogos involucrados en el desarrollo y la validación del algoritmo, en especial a Jhon Comba y Jose Luis Rey Sanjurjo por su implicación en la validación en su servicio.
