El grupo de Análisis de Imagen Diagnóstica del Radboud University Medical Center y el departamento de Patología del University Medical Center Utrecht (ambos en Países Bajos) ha enfrentado a un equipo de 11 anatomopatólogos expertos contra algoritmos de aprendizaje automático. El reto, cuyos resultados recoge el Journal of the American Medical Association, ha consistido en la detección de metástasis del ganglio linfático en cáncer de mama.

El equipo de investigadores, dirigido por Babak Ehteshami Bejnordi, concedió a los anatomopatólogos 2 horas para observar 129 diapositivas. De las 49 muestras con metástasis los participantes acertaron 31 diagnósticos lo que supone, según los autores “una importante tasa de falsos negativos”.

Sin embargo, un anatomopatólogo que trabajó de forma independiente y sin restricción de tiempo logró identificar correctamente 46 de las 49 metástasis y 79 de las 80 diapositivas sin ella. El problema de este porcentaje, según valora Bejnordi, es que el tiempo ilimitado no es realista ni se corresponde con el flujo de trabajo de un laboratorio real.

El equipo contrario, formado por los 7 mejores algoritmos de los 32 que propuso Harvard-MIT, se enfrentó a las mismas diapositivas tras realizar una curva de aprendizaje con otras 270 imágenes. Al comparar las respuestas de los algoritmos con los resultados de las tinciones inmunohistoquímicas, los autores observaron que la inteligencia artificial había clasificado las diapositivas con casi un 100% de precisión.

“En el marco de una competencia de desafío, el rendimiento del algoritmo fue superior al de un equipo de 11 anatomopatólogos con restricciones de tiempo y comparable al de un anatomopatólogo experto sin limitación temporal”, concluye el texto. No obstante, en favor de los clínicos, el estudio señala que la mayoría de fallos correspondieron a micrometástasis menores de 2 milímetros, con un impacto clínico poco significativo.