TumorQuant AI es una investigación liderada por el académico del Doctorado en Inteligencia Artificial, Dr. Carlos Farkas, junto a un equipo multidisciplinario, cuyo objetivo es desarrollar una herramienta de inteligencia artificial (IA) aplicada al análisis de imágenes de biopsias de cáncer.
El proyecto utiliza imágenes digitales de cortes histológicos obtenidas a partir de láminas de tejido tumoral teñidas con técnicas habituales, como hematoxilina-eosina e inmunohistoquímica. A partir de estas imágenes, algoritmos de inteligencia artificial son capaces de reconocer células, identificar regiones tumorales y cuantificar biomarcadores relevantes para el diagnóstico, pronóstico y seguimiento de pacientes oncológicos.
El Dr. Carlos Farkas explicó que «la finalidad no es reemplazar el trabajo del patólogo, sino desarrollar una herramienta de apoyo que permita obtener mediciones más rápidas, reproducibles y estandarizadas. Estos datos pueden complementar el informe histopatológico tradicional y aportar información objetiva para la toma de decisiones clínicas».
El proyecto se desarrolla utilizando material histopatológico de archivo, principalmente bloques de parafina y láminas pertenecientes al Servicio de Anatomía Patológica del Hospital Guillermo Grant Benavente. Estas muestras corresponden a casos de cánceres sólidos previamente evaluados en el contexto asistencial.
Respecto al proceso de trabajo, Farkas señaló que » primero se seleccionan las muestras de tejido que se van a analizar. Luego, se les aplican distintos tipos de colorantes y pruebas especiales para observar las células y detectar proteínas específicas, como ER, PR, HER2, Ki-67, p53, CD3 y CD20, las cuales entregan información importante para el diagnóstico y el tratamiento de distintas enfermedades”.
Posteriormente, las láminas son digitalizadas o utilizadas para obtener imágenes microscópicas de alta resolución. Sobre ellas se aplican algoritmos de segmentación celular e inteligencia artificial capaces de identificar células, delimitar áreas tumorales, reconocer patrones de tinción y generar métricas cuantitativas.
Los resultados obtenidos por el sistema se comparan posteriormente con evaluaciones manuales realizadas por especialistas, con el propósito de medir su concordancia, reproducibilidad y eficiencia. De esta manera, el equipo busca construir un prototipo clínico-computacional que entregue reportes cuantitativos de apoyo para la patología digital.
El Dr. Pablo Mucientes, médico del Servicio de Anatomía Patológica del Hospital Guillermo Grant Benavente, destacó el aporte que esta tecnología puede representar para la práctica clínica y el tratamiento oportuno de los pacientes.
«El software tiene una enorme capacidad de entrenamiento para adaptarse a distintos tejidos e incluso a imágenes de menor calidad, donde puede reconstruir información y lograr un conteo celular preciso. Contar con una herramienta de estas características permite categorizar con mayor precisión el riesgo de los pacientes oncológicos mediante una lectura objetiva de láminas histológicas e inmunohistoquímicas, complementando la capacidad interpretativa del especialista», enfatizó.
La investigación se desarrolla de manera colaborativa entre el consorcio CRUCH Biobío – Ñuble y el Hospital Guillermo Grant Benavente, a través de su Servicio de Anatomía Patológica, quienes colaboraron en la selección y provisión de muestras, la trazabilidad del material histopatológico y el control de calidad.
«En anatomía patológica, muchas evaluaciones diagnósticas dependen de la experiencia del especialista y eso seguirá siendo fundamental. Sin embargo, existen tareas altamente demandantes en tiempo y que pueden presentar variabilidad entre observadores, especialmente cuando se requiere cuantificar marcadores celulares, estimar proporciones tumorales o revisar grandes volúmenes de tejido», explicó Farkas.
En este contexto, la cuantificación de Ki-67 (proteína que indica presencia de ciertos tumores), la estimación de la celularidad tumoral o la evaluación del microambiente inmune constituyen parámetros de gran relevancia en distintos tipos de cáncer. No obstante, su medición manual suele ser un proceso lento y susceptible a diferencias según el área seleccionada o el criterio del observador. A ello se suma el aumento sostenido de la carga asistencial en los servicios de Anatomía Patológica, muchas veces sin un crecimiento equivalente en el número de especialistas o en los recursos disponibles.
Resultados preliminares
Como parte del desarrollo de TumorQuant AI, el equipo estructuró un protocolo de trabajo conjunto entre las universidades y el hospital, considerando un flujo compatible con la práctica habitual de un servicio de Anatomía Patológica. Este contempla el uso de material de archivo, la anonimización o pseudonimización de datos, el resguardo del material diagnóstico y la validación de los resultados mediante comparación con las métricas utilizadas en la práctica clínica.
El Dr. Pablo Mucientes destacó que «una de las características que más me ha sorprendido del software es su capacidad adaptativa y la amplitud de sus posibilidades de aplicación. Inicialmente fue entrenado para cáncer de mama, pero puede extenderse a muchas otras áreas de interés, como leucemias, cáncer colorrectal o el conteo de linfocitos intratumorales, lo que incrementa significativamente su valor para médicos e investigadores».
Actualmente, la herramienta ya está siendo utilizada por investigadores de la Facultad de Medicina de la Universidad de Concepción. Los resultados preliminares indican que podría integrarse progresivamente como apoyo al flujo diagnóstico, siempre bajo la supervisión de especialistas.
Uno de los aspectos más relevantes del proyecto es su alto potencial de replicabilidad. El modelo puede adaptarse a hospitales, universidades y centros de diagnóstico que trabajen con láminas histológicas, bloques de parafina e imágenes digitales, facilitando la incorporación de herramientas de inteligencia artificial en la práctica de la patología digital y contribuyendo a fortalecer el diagnóstico oncológico en distintos contextos clínicos.
