Inteligencia artificial como herramienta de soporte para la caracterización de pólipos colorrectales en imágenes de luz blanca de alta definición

Abstract

[spa] INTRODUCCIÓN: El cáncer colorrectal es una de las patologías con mayor prevalencia en la población mundial. La colonoscopia sigue siendo el estándar de referencia para detectar y extirpar las lesiones precursoras, los pólipos, y su calidad depende de la experiencia del endoscopista y de las técnicas y tecnología utilizadas. La adquisición de datos biomédicos a gran escala y el avance en los modelos de aprendizaje computacional han impulsado el crecimiento de la inteligencia artificial en la medicina. En el campo de la endoscopia y más concretamente de la colonoscopia, la investigación ha ido dirigida a estandarizar las tareas que los endoscopistas realizan a través del desarrollo e integración de sistemas de soporte que, globalmente, buscan mejorar el diagnóstico de los pólipos colorrectales. Sin embargo, todavía existen desafíos en la implementación de dichos dispositivos en la práctica clínica, especialmente en lo que se refiere a clasificación. Esto se debe fundamentalmente a limitaciones en el diseño que dificultan una adecuada integración en el flujo de trabajo clínico, como la incapacidad de trabajar en tiempo real o la necesidad de tecnología adicional como la cromoendoscopia virtual o endocitoscopia y la magnificación como requisito previo para poder funcionar. Además del diagnóstico óptico, otro aspecto importante y que aún no está resuelto es la identificación inequívoca de los pólipos, de manera que puedan reconocerse en dos instantes temporales distintos. Puesto que los que pertenecen al mismo tipo histológico son muy parecidos entre sí y habitualmente suele haber más de un pólipo por paciente, es necesario evitar errores en la identificación, especialmente cuando deben tomarse decisiones diferidas o los pacientes son remitidos a otro centro más experto para su abordaje. Por último, existen pocas bases de datos amplias y variadas de imágenes de colonoscopia de luz blanca en alta definición. Para poder construir y validar cualquier sistema inteligente se necesita establecer el patrón oro en la base de datos, así como tenerla correctamente anotada y continuamente actualizada, para lo que se requieren herramientas específicas. HIPÓTESIS La inteligencia artificial puede proporcionar apoyo en tiempo real a los endoscopistas mediante el reconocimiento automático de patrones específicos en imágenes de pólipos colorrectales de luz blanca de alta definición que les permita mejorar su diagnóstico óptico y les ayude a su identificación de manera unívoca. La disponibilidad de herramientas que faciliten y uniformicen la anotación de dichas imágenes sería de gran ayuda. OBJETIVOS 1. Diseñar una herramienta para crear y administrar anotaciones de bases de datos de imágenes de forma cómoda y flexible entre varios usuarios. 2. Desarrollar y evaluar un sistema de clasificación automática de pólipos en tiempo real e in vivo utilizando solo imágenes de luz blanca de alta definición y comparar su rendimiento con el de los endoscopistas. 3. Desarrollar y evaluar un sistema de recuperación de imágenes mediante la extracción de características de pólipos en imágenes de luz blanca de alta definición que permitan su identificación inequívoca (huella digital del pólipo o polyp fingerprint) y potencial agrupación en categorías histológicas por analogía.