Cáncer de próstata: detectar su evolución y crecimiento sería más preciso con algoritmo

En 2020 el cáncer produjo 10 millones de muertes en el mundo, y en los hombres uno de los más frecuentes es el de próstata, pequeña glándula que se encuentra debajo de la vejiga rodeando la uretra, indispensable para orinar de manera regular y normal, e incluso para que los espermatozoides estén en buen estado.

Sin embargo, como dice la frase popular, “los años no llegan solos” y después de los 65 años este pequeño órgano puede aumentar en tamaño de manera natural. Este incremento puede obedecer a cambios hormonales, factores genéticos o una dieta rica en grasas saturadas, factores que influyen en el origen del cáncer; por eso detectarlo tempranamente haría que los pacientes reciban tratamientos oportunos y eficaces para frenar el desarrollo de la enfermedad.

Con esta idea en mente, el investigador Camilo Ernesto Sarmiento Torres, magíster en Física Médica de la Universidad Nacional de Colombia (UNAL), implementó una serie de algoritmos de redes neuronales convolucionales para cuantificar la carga metabólica tumoral, una medida de la actividad celular en la zona afectada por el cáncer, lo cual ayuda a comprender la intensidad y extensión de crecimientos anormales en algunas regiones del cuerpo.

La tecnología determina qué tan agresivo es un tumor, y los médicos y profesionales se encargan de evaluar estas condiciones con el examen de tomografía por emisión de positrones (PET/CT), mediante el cual se escanea el funcionamiento y la actividad de los tejidos del cuerpo, observándolo gracias a radiofármacos (sustancias que emiten radiación) que se le administran al paciente y que se acumulan en las zonas del organismo que está más activas, entre otras cosas por posibles tumores cancerígenos.

Según el magíster, el problema hoy es que en ocasiones los análisis de estas pruebas son imprecisos. Estos se realizan de dos formas: el primero es manual, un médico se encarga de explorar el examen recorriendo las imágenes de cada parte y corte del cuerpo, y esta segmentación le permite determinar la carga metabólica tumoral; no obstante es un proceso demorado, especialmente cuando el paciente tiene metástasis o estadios avanzados de la enfermedad.

La segunda metodología se llama “umbralización del SUV” y permite establecer límites entre regiones según la actividad metabólica en el cuerpo, además de analizar el volumen o la carga que tendrían los tumores, en este caso por cáncer de próstata; sin embargo existe la posibilidad de caer en imprecisiones pues algunas partes tienen actividad alta pero no por el cáncer sino por otros procesos fisiológicos.

Por eso, durante 6 meses el experto recopiló datos de 33 pacientes con lesiones por cáncer de próstata del Instituto Nacional de Cancerología, los cuales presentaban signos de daño en la próstata y en los ganglios linfáticos de la pelvis, y realizó exámenes PET/CT con el suministro del radiofármaco galio 68-PSMA, una de las sustancias más utilizadas en estos procedimientos por sus propiedades, su corto periodo de actividad en el cuerpo y su alta afinidad con los tejidos afectados por el cáncer de próstata.

El físico explica que “las redes neuronales convolucionales se implementaron en el lenguaje de programación Python, un software que acondiciona las imágenes de los exámenes y las convierte en escalas de grises, luego pasan a una red neuronal convolucional previamente entrenada para la segmentación pixel por pixel en cada región, e identifican si hay una lesión y cómo está la carga metabólica tumoral, que se mide en mililitros”.

Inmediatamente después se produce algo que en IA se llama “máscara”, y que consiste en una herramienta que resalta las zonas de interés en el procesamiento de imágenes, y muestra la carga específica; en próximos estudios se espera cuantificar la de cada paciente. Con los algoritmos se sabría con mayor precisión en qué lugares administrar las dosis de radiación durante terapias contra el cáncer.

“Algo que le puede tomar a los médicos media hora o más, ahora se podrá realizar en solo minutos, con algoritmos que están al servicio del bienestar de los pacientes y que de manera pionera facilitarían detectar y hacerle seguimiento a la enfermedad”, concluye el investigador Sarmiento.