La IA Supera a los Humanos en la Evaluación de Células Infiltrantes Inmunes en Melanoma
14-Jul-2025 10:40 AM EDT, por Yale School of Medicine
Newswise — Nueva investigación de Yale confirma que la puntuación basada en inteligencia artificial (IA) de las células inmunitarias infiltrantes en tumores de melanoma, conocidas como linfocitos, supera significativamente las evaluaciones tradicionales realizadas por patólogos. El estudio, publicado en JAMA Network Open, encontró que las herramientas de IA de código abierto ofrecen un método más estandarizado y reproducible para la evaluación, subrayando el potencial de la IA para mejorar los flujos de trabajo en patología clínica.
Los linfocitos infiltrantes en el tumor se usan como biomarcador para el melanoma, sirviendo como indicadores de lo bien que está respondiendo el sistema inmunológico al cáncer. Tener más linfocitos infiltrantes en el tumor está asociado con mejores resultados para los pacientes, y el seguimiento de estas células inmunitarias puede informar diagnósticos y decisiones de tratamiento.
“Nuestros hallazgos sugieren que una herramienta de cuantificación de linfocitos impulsada por IA puede proporcionar evaluaciones consistentes y confiables con un fuerte potencial para su uso clínico, ofreciendo una alternativa robusta a los métodos tradicionales,” dice la autora principal Thazin Nwe Aung, PhD, científica de investigación asociada en patología de la Yale School of Medicine (YSM).
El estudio fue liderado por investigadores de la YSM y el Instituto Karolinska en Suecia e incluyó a 45 instituciones de todo el mundo.
La IA destaca en medir los linfocitos infiltrantes en melanoma
En el estudio, un total de 98 participantes cuantificaron linfocitos infiltrantes en 60 muestras de tejido de melanoma. Cuarenta participantes fueron patólogos que utilizaron métodos visuales tradicionales para evaluar el tejido, mientras que 11 patólogos y 47 científicos no patólogos utilizaron IA.
El algoritmo de IA demostró una reproducibilidad superior, superando significativamente las evaluaciones visuales.
Aung señala que, aunque la naturaleza retrospectiva del estudio limita la demostración del uso clínico, “el conjunto de datos de acceso público y la herramienta de IA de código abierto ofrecen una base para futuras validaciones e integraciones en la gestión del melanoma.”
Aung, quien trabaja en el laboratorio de David Rimm, MD, PhD, el Profesor Anthony N. Brady de Patología en YSM, enfatiza la naturaleza colaborativa del estudio: “Estoy especialmente orgullosa de que 15 facultativos y empleados de la Yale School of Medicine contribuyeron a este trabajo. Es un gran ejemplo de cómo el Departamento de Patología de Yale lidera el camino en la investigación de patología impulsada por IA.”
Otros investigadores de Yale que trabajaron en este estudio incluyen a Matthew Liu, BSc; David Su, MD; Matthew D. Vesely, MD, PhD; Yalai Bai, MD, PhD; Dijana Djureinovic, PhD, MSc; Pok Fai Wong, MD, PhD; Katherine Bates, BA; Nay Nwe Chan, PhD; Niki Gavrielatou, MD, PhD; Mengni He, MSc; Sneha Burela, MD; Shawn Cowper, MD; David Rimm, MD, PhD; y Goran Micevic, MD, PhD.
La investigación reportada en este artículo fue apoyada por los Institutos Nacionales de la Salud (otorgamientos P50CA225450, U54CA263001, P50CA121974 al Yale SPORE en Cáncer de Piel, P50CA196530 al Yale SPORE en Cáncer de Pulmón y P30CA016359 al Centro de Cáncer de Yale) y la Universidad de Yale. El contenido es responsabilidad exclusiva de los autores y no necesariamente representa las opiniones oficiales de los Institutos Nacionales de la Salud. El apoyo adicional fue proporcionado por el fideicomiso Robert E. Leet y Clara Guthrie Patterson, la Fundación de Investigación Tower y la Fundación Research Lion Heart, proporcionados a través de la Yale School of Medicine.
Para más contenido especializado, suscríbete a nuestro boletín.
Comments ()