Investigadors del Grup de Radiòmica del Vall d'Hebron Institut d'Oncologia (VHIO) han desenvolupat una eina basada en aprenentatge profund d'intel·ligència artificial (IA) capaç de detectar i segmentar tumors hepàtics de manera precisa i totalment automatitzada. Es tracta de SALSA (Sistema per a la Segmentació i Detecció Automàtica de Tumors Hepàtics, per les sigles en anglès). Fins ara, les imatges mèdiques com les de tomografia computada proporcionaven informació als professionals per fer el diagnòstic, planificar una cirurgia curativa o avaluar la resposta al tractament, però delinear els tumors amb precisió per conèixer-ne el volum plantejava reptes pràctics.

La cap del Grup de Radiòmica del VHIO i investigadora sènior de l'article, Raquel Pérez-López, ha explicat que això suposa sovint un coll d'ampolla en nombrosos projectes de recerca i aplicacions clíniques que impliquen l'avaluació volumètrica de malalties, ja que no només requereix molt de temps, sinó que també és propens a la variabilitat entre diferents observadors. Per superar aquests reptes, l'equip va decidir desenvolupar una eina de delineació totalment automatitzada que pogués ser transformadora, millorant la precisió a l'hora de detectar tumors i avaluar-ne el volum.

L'equip de radiòmica va decidir començar pel càncer hepàtic perquè representa un repte per a la salut. I és que els tumors hepàtics primaris, com el carcinoma hepatocel·lular i el colangiocarcinoma, acostumen a diagnosticar-se en estadis avançats, amb opcions de tractament limitades i un pronòstic desfavorable. A més, el fetge és un òrgan comú de metàstasi d'altres càncers primaris, cosa que impacta de manera significativa en el pronòstic del pacient.

Per desenvolupar SALSA, els investigadors van fer servir el model de segmentació d'intel·ligència artificial existent nnU-Net i hi van introduir les dades obtingudes de 1.598 tomografies computades (TAC) de 4.908 tumors hepàtics primaris o metastàtics per entrenar l'eina. Un cop entrenada amb milers d'imatges, SALSA va demostrar una precisió superior a l'hora d'identificar tumors i quantificar volum tumoral, i va superar els models que fins ara es consideraven més avançats, amb un criteri que coincidia amb la interpretació de les imatges mèdiques per part de radiòlegs experts. En concret, va demostrar una precisió de detecció pel que fa als pacients superior al 99%, i del 82%, aproximadament, pel que fa a lesió, en les cohorts de validació externa. A més, l'eina també ha estat validada amb quatre bases de dades independents de tumors hepàtics.