Investigadores del VHIO, que forma parte del Campus Vall d’Hebron, han desarrollado SALSA, una herramienta basada en inteligencia artificial capaz de detectar y segmentar de forma precisa los tumores hepáticos de forma automatizada. La herramienta se ha validado con cuatro bases de datos independientes y con la interpretación de radiólogos expertos.
Este dispositivo podría ayudar a los profesionales en el diagnóstico y la planificación de intervenciones quirúrgicas, así como en la evaluación de la respuesta de los pacientes al tratamiento a partir de parámetros como el volumen, la densidad o la textura de los tumores hepáticos.
Investigadores del Grupo de Radiómica del Vall d’Hebron Instituto de Oncología (VHIO), liderado por la Dra. Raquel Pérez-López, han desarrollado SALSA (Sistema para la Segmentación y Detección Automática de Tumores Hepáticos por sus siglas en inglés), una herramienta basada en aprendizaje profundo de Inteligencia Artificial, capaz de detectar y segmentar tumores hepáticos de forma precisa y totalmente automatizada. Los resultados de este trabajo se han publicado en la revista Cell Reports Medicine.
Biomarcadores de imagen médica
Las imágenes médicas como las de la tomografía computarizada (TAC) proporcionan información a los profesionales para realizar el diagnóstico, planificar una cirugía curativa o evaluar la respuesta al tratamiento de los tumores.
“Sin embargo, delinear con precisión los tumores para conocer su volumen (es decir, dibujar los contornos tumorales) plantea desafíos prácticos y, a menudo, constituye un cuello de botella en numerosos proyectos de investigación y aplicaciones clínicas que implican la evaluación volumétrica de enfermedades, ya que no solo requiere mucho tiempo, sino que también es propenso a la variabilidad entre diferentes observadores y dentro del mismo observador” explica Dra. Raquel Pérez-López, jefa del Grupo de Radiómica del VHIO e investigadora sénior del artículo recién publicado en Cell Reports Medicine. “Para superar estos desafíos, decidimos desarrollar una herramienta de delineación totalmente automatizada que pudiera ser transformadora, mejorando la precisión en la detección de tumores y la evaluación del volumen”.
El cáncer hepático, un desafío clínico
El equipo de radiómica decidió empezar por el cáncer hepático ya que éste representa un desafío para la salud. Los tumores hepáticos primarios, como el carcinoma hepatocelular y el colangiocarcinoma, suelen diagnosticarse en estadios avanzados, con opciones de tratamiento limitadas y un pronóstico desfavorable. Además, el hígado es un órgano común de metástasis de otros cánceres primarios, lo que impacta significativamente el pronóstico del paciente.
Miles de imágenes para entrenar a SALSA
“Para desarrollar SALSA utilizamos el modelo de segmentación de Inteligencia Artificial ya existente nnU-Net e introducimos los datos obtenidos de 1.598 tomografías computarizadas (TACs) de 4.908 tumores hepáticos primarios o metastáticos para entrenar a nuestra herramienta” explica Maria Balaguer-Montero, investigadora predoctoral del Grupo de Radiómica del VHIO y primera autora del artículo.
Una vez entrenada la herramienta con miles de imágenes, SALSA demostró una precisión superior en la identificación de tumores y cuantificación de volumen tumoral, superando los modelos considerados más avanzados hasta el momento y con un criterio coincidente con la interpretación de las imágenes médicas por parte de radiólogos expertos. La herramienta también se ha validado con cuatro bases de datos independientes de tumores hepáticos. “SALSA demostró una precisión de detección a nivel de paciente superior al 99% y del 82% aproximadamente a nivel de lesión, en las cohortes de validación externa” añade la investigadora.
“En conclusión, SALSA logra la identificación y delimitación precisas y automatizadas de tumores hepáticos en imágenes de tomografía computarizada facilitando una cuantificación más precisa de la carga tumoral, un factor crucial en el pronóstico y el tratamiento del cáncer, sin necesidad de intervención manual” afirma la Dra. Pérez-López. “Su validación en varias cohortes de prueba y externas destaca la eficacia y fiabilidad de SALSA, igualando, e incluso superando, la precisión de los radiólogos expertos.
Identificar biomarcadores de respuesta a tratamiento a través de imágenes médicas
Uno de los objetivos del Grupo de Radiómica es desarrollar herramientas basadas en el análisis de imágenes médicas para evaluar la respuesta al tratamiento de los pacientes con cáncer teniendo en cuenta diversos biomarcadores de imagen del tumor como la volumetría, la densidad o la textura de los tumores. Esta información más precisa puede servir de guía para la toma de decisiones clínicas que sean significativas para el beneficio de los pacientes con cáncer.
“Los estándares actuales para evaluar la respuesta de los pacientes al tratamiento son limitados. Se mide el diámetro del tumor, en 2D sin tener en cuenta el volumen, y en el caso de metástasis se evalúan únicamente 2 tumores por órgano y un máximo de cinco lesiones por paciente” dice la Dra. Raquel Pérez-López.
“SALSA podría ser útil para el manejo de pacientes con cáncer de hígado, permitiendo medir parámetros como el volumen tumoral total, la densidad o la textura de los tumores para evaluar si los pacientes están respondiendo o no al tratamiento y facilitar la toma de decisiones terapéuticas con potencial beneficio para los pacientes” concluye.
Esta investigación ha sido posible gracias al apoyo de la Fundación CRIS Contra el Cáncer, la Fundación FERO y la Fundación “la Caixa” que financian a través de diversas iniciativas la investigación del Grupo de Radiómica del VHIO.
Referencia
Maria Balaguer-Montero, Adrià Marcos Morales, Marta Ligero, Christina Zatse, David Leiva, Luz M. Atlagich, Nikolaos Staikoglou, Cristina Viaplana, Camilo Monreal, Joaquin Mateo, Jorge Hernando, Alejandro García-Álvarez, Francesc Salvà, Jaume Capdevila, Elena Elez, Rodrigo Dienstmann, Elena Garralda, Raquel Perez-Lopez. A CT-based Deep Learning-Driven Tool for Automatic Liver Tumor Detection and Delineation in Cancer Patients. Cell Reports Medicine 6, 102032. April 15, 2025 https://doi.org/10.1016/j.xcrm.2025.102032
