Se trata de un programa que analiza imágenes de lunares y evalúa biomarcadores como el número de colores en una lesión relacionándolos con la malignidad.

Rockefeller University. Incluso los expertos pueden ser engañados por el melanoma. Las personas con este tipo de cáncer de piel suelen tener crecimientos en forma de lunares en su piel que tienden a ser irregulares en forma y color, y pueden ser difíciles de distinguir de los benignos, lo que hace que la enfermedad sea difícil de diagnosticar.

Ahora, los investigadores de la Universidad Rockefeller han desarrollado una tecnología automatizada que combina la imagen con el análisis digital y el aprendizaje automático para ayudar a los médicos a detectar el melanoma en sus etapas iniciales.

"Hay una necesidad real de la estandarización a través del campo de la dermatología en cómo se evalúan los melanomas", dice James Krueger, profesor en Investigación Clínica y jefe del Laboratorio de Dermatología Investigativa de la universidad. "La detección a través de la observación directa protege vidas, pero es muy desafiante visualmente, e incluso cuando una lesión sospechosa es extraída y biopsiada, se confirma que es melanoma en sólo el 10%".

En el nuevo enfoque, las imágenes de lesiones son procesadas por una serie de programas informáticos que extraen información sobre el número de colores presentes en un crecimiento, y otros datos cuantitativos. El análisis genera una puntuación de riesgo general, denominada Q-score, que indica la probabilidad de que el crecimiento sea canceroso.

Publicado en Experimental Dermatology, un estudio reciente que evalúa la utilidad de la herramienta indica que el Q-score produce un 98% de sensibilidad, lo que significa que es muy probable que identifique correctamente los melanomas tempranos en la piel. La capacidad de la prueba para diagnosticar correctamente moles normales fue de 36%, acercándose a los niveles alcanzados por dermatólogos expertos realizando exámenes visuales de lunares sospechosos bajo el microscopio.

"El éxito del Q-score en la predicción del melanoma es una mejora marcada en comparación con las tecnologías de la competencia", dice Daniel Gareau, primer autor del informe e instructor en investigación clínica en el laboratorio de Krueger.

Los investigadores desarrollaron esta herramienta al alimentar con 60 fotos de melanomas cancerígenos y un lote equivalente de imágenes de crecimientos benignos en programas de procesamiento de imágenes. Desarrollaron biomarcadores de imagen para cuantificar con precisión las características visuales de los crecimientos. Usando métodos computacionales, generaron un conjunto de métricas cuantitativas que diferían entre los dos grupos de imágenes-esencialmente identificando qué aspectos visuales de la lesión importaban más en términos de malignidad- y dieron a cada biomarcador una calificación de malignidad.

Mediante la combinación de los datos de cada biomarcador, calcularon el Q-score global para cada imagen, un valor entre cero y uno en el que un número más alto indica una mayor probabilidad de que una lesión sea un cáncer.

Como estudios previos han demostrado, el número de colores en una lesión resultó ser el biomarcador más significativo para determinar la malignidad. Y algunos biomarcadores eran significativos sólo si se miraban en canales de color específicos, un hallazgo que los investigadores dicen que podría potencialmente ser explotado para identificar biomarcadores adicionales y mejorar aún más la precisión.

"Creo que esta tecnología podría ayudar a detectar la enfermedad antes, lo que podría salvar vidas, y evitar biopsias innecesarias también", dice Gareau. "Nuestros próximos pasos son evaluar este método en estudios más amplios, y ver más de cerca cómo podemos usar longitudes de onda de color específicas para revelar aspectos de las lesiones que pueden ser invisibles para el ojo humano, pero todavía podría ser útil en el diagnóstico".

Imagen: Rockefeller University