🔬 Un equipo de la Universidad de Pensilvania entrenó una IA con los recorridos visuales de ocho patólogos al buscar cáncer. El sistema, Pathology-o3, detectó todas las láminas con cáncer en una prueba con tejido de ganglios linfáticos. El trabajo sugiere que imitar esa búsqueda podría ayudar a señalar zonas sospechosas.
El estudio, publicado en Nature en julio, aprovechó cómo los especialistas exploran las imágenes y cambian el aumento. El equipo filtró movimientos incidentales y contrastó los recorridos con registros de seguimiento ocular. También incorporó explicaciones propuestas por una IA y revisadas por patólogos sobre qué merecía examinarse. Con ese entrenamiento, Pathology-o3 recorre primero la lámina con poco detalle y después examina las zonas que considera relevantes.
La prueba inicial usó láminas de ganglios linfáticos de casos de cáncer colorrectal, algunas con metástasis ya señaladas por patólogos. Pathology-o3 detectó el 100 % de las láminas con cáncer, frente al 87,5 % de o3, una IA de uso general. Entre las láminas que cada sistema marcó como positivas, el 15,5 % eran negativas con Pathology-o3 y el 53,3 % con o3. El objetivo era mejorar una IA general, sin competir con modelos especializados en cánceres concretos.
En un conjunto independiente de datos que los algoritmos no habían visto, Pathology-o3 detectó el 97,6 % de las láminas con cáncer. Pero el 37,1 % de las que marcó como positivas eran negativas: el desempeño cambió con el origen de las muestras. El equipo también aplicó el entrenamiento a varios modelos de visión y lenguaje, cuyo desempeño mejoró tras aprender esos recorridos.
✅ El enfoque podría servir como filtro previo para señalar zonas que un patólogo debería revisar. Aún falta probar si ayuda a los médicos a detectar más casos o trabajar más rápido. Además, el sistema lee una sola lámina por vez; un diagnóstico puede requerir varias, distintas tinciones y la historia clínica del paciente.
⚕️ No es consejo médico.
