IA podría ayudar a detectar pólipos precancerosos de colon no identificados
Actualizado el 26 Oct 2026
El cáncer colorrectal se diagnostica en un estimado de 1,9 millones de personas en todo el mundo cada año, a menudo sin síntomas en sus etapas iniciales. Por lo tanto, la detección oportuna de lesiones precancerosas es importante, aunque algunas pueden ser difíciles de distinguir en láminas de biopsia.
Por ejemplo, los adenomas serrados sésiles (SSA) pueden parecerse a pólipos hiperplásicos benignos, lo que complica la evaluación patológica. Nuevos hallazgos sugieren que los modelos de inteligencia artificial pueden mejorar esta distinción, ayudando a los patólogos a identificar estas lesiones difíciles con mayor precisión.
Investigadores del Amal Lab for Precision Medicine de la Universidad Northeastern (Boston, MA, EE. UU.) evaluaron modelos de transformadores de visión para la clasificación histopatológica de pólipos colorrectales. A diferencia de las redes neuronales convolucionales (CNN), que suelen analizar las características de las imágenes de forma más localizada, los transformadores de visión pueden evaluar relaciones entre regiones más amplias de una imagen, lo que permite una interpretación más global de la estructura del tejido.
El estudio comparó tres modelos de transformadores de visión con tres modelos de CNN utilizando imágenes de más de 3.000 pólipos colorrectales procedentes de un conjunto de datos público proporcionado por el Departamento de Patología y Medicina de Laboratorio del Dartmouth-Hitchcock Medical Center.
El conjunto incluyó 1.545 pólipos hiperplásicos benignos y 630 adenomas serrados sésiles (SSA) precancerosos. El transformador de visión con mejor rendimiento alcanzó una sensibilidad del 70 % para identificar lesiones precancerosas, frente al 40 % de la CNN con mejor desempeño, mientras que la precisión global fue del 86 % frente al 80 %, respectivamente.
Los hallazgos se publicaron en Lecture Notes in Computer Science. Los investigadores señalaron que los modelos se analizaron en un solo conjunto de datos, y que se requieren pruebas adicionales en múltiples conjuntos de datos para validar los hallazgos. El equipo ha comenzado a trabajar directamente con patólogos y gastroenterólogos para probar los sistemas en flujos de trabajo clínicos.
“Los patólogos ayudan a verificar los hallazgos de la IA mediante el examen de tejidos, mientras que los gastroenterólogos evalúan cómo esos hallazgos pueden orientar la atención del paciente. Trabajar con ambos grupos en estudios prospectivos nos permite evaluar estos algoritmos en tiempo real, dentro de los flujos de trabajo clínicos, y determinar cuán precisos, útiles y valiosos son en la práctica”, dijo Saeed Amal, profesor de bioingeniería de Northeastern.
“Investigaciones como esta, que identifican rigurosamente dónde la IA tiene éxito y dónde falla en datos desbalanceados del mundo real, son exactamente el tipo de trabajo fundamental necesario para incorporar herramientas fiables de detección con IA a la práctica clínica y prevenir más cánceres antes de que comiencen”, dijo Leon Toussaint, gerente científico de la National Foundation for Cancer Research.
Enlaces relacionados
Amal Lab for Precision Medicine – Northeastern University
