Este nuevo enfoque permitiría mejorar el diagnóstico de los pacientes con cánceres metastásicos complejos, especialmente aquellos en entornos de bajos recursos.

Determinando el sitio primario del tumor

En 1 a 2 por ciento de los casos de cáncer, no se puede determinar el sitio primario de origen del tumor. Para recibir un diagnóstico más específico, los pacientes a menudo deben someterse a exámenes de diagnóstico exhaustivos que pueden incluir pruebas de laboratorio adicionales, biopsias y procedimientos de endoscopia, que retrasan el tratamiento.

Esta situación mejoraría con un algoritmo basado en el aprendizaje profundo desarrollado por los investigadores, llamado Tumor Origin Assessment via Deep Learning (Evaluación del origen del tumor a través del aprendizaje profundo o TOAD), que identifica simultáneamente el tumor como primario o metastásico y predice su sitio de origen.

Los investigadores entrenaron su modelo con imágenes de diapositivas completas de patología de gigapíxeles de tumores de más de 22.000 casos de cáncer, y luego probaron TOAD en aproximadamente 6.500 casos con primarios conocidos y analizaron cánceres metastásicos cada vez más complicados para establecer la utilidad del modelo.

Para los tumores con orígenes primarios conocidos, el modelo identificó correctamente el cáncer el 83 por ciento de las veces y enumeró el diagnóstico entre sus tres predicciones principales el 96 por ciento de las veces.