Un modelo de inteligencia artificial puede predecir si la enfermedad de Crohn reaparecerá tras la cirugía

Utilizando una herramienta de inteligencia artificial (IA) que emula la forma en que los humanos visualizan y está entrenada para reconocer y clasificar imágenes, los investigadores construyeron un modelo que predice la recurrencia postoperatoria de la enfermedad de Crohn con gran precisión mediante la evaluación de imágenes histológicas.

Lectura 5 minutos
16 de mayo 2022

 La herramienta de IA también reveló diferencias previamente no reconocidas en las células adiposas y diferencias significativas en la extensión de la infiltración de mastocitos en la subserosa, o revestimiento exterior del intestino, comparando pacientes con y sin recurrencia de la enfermedad. Los resultados aparecen en The American Journal of Pathology, publicado por Elsevier.

La tasa de recurrencia sintomática postoperatoria de la enfermedad de Crohn, una enfermedad gastrointestinal inflamatoria crónica, se estima en un 40% a los 10 años. Aunque existen sistemas de puntuación para evaluar la actividad de la enfermedad de Crohn y la existencia de recidivas postoperatorias, no se había desarrollado ningún sistema de puntuación para predecir si la enfermedad de Crohn podría reaparecer.

«La mayoría de los análisis de imágenes histopatológicas que utilizan IA en el pasado se han centrado en los tumores malignos», explican los investigadores principales, Takahiro Matsui, MD, PhD, y Eiichi Morii, MD, PhD, del Departamento de Patología de la Facultad de Medicina de la Universidad de Osaka, Osaka, Japón. «Nuestro objetivo era obtener información clínicamente útil para una mayor variedad de enfermedades mediante el análisis de imágenes histopatológicas utilizando la IA. Nos centramos en la enfermedad de Crohn, en la que la recurrencia postoperatoria es un problema clínico.»

Se incluyeron en el estudio 68 pacientes con enfermedad de Crohn sometidos a resección intestinal entre enero de 2007 y julio de 2018. Se clasificaron en dos grupos según la presencia o ausencia de recurrencia de la enfermedad postoperatoria en los dos años posteriores a la cirugía. Cada grupo se clasificó en dos subgrupos, uno para el entrenamiento de un modelo de IA y el otro para la validación. Para el entrenamiento, se recortaron imágenes de portaobjetos enteros de especímenes quirúrgicos en forma de mosaico, se etiquetaron según la presencia o ausencia de recidiva posquirúrgica y se procesaron con EfficientNet-b5, un modelo de IA disponible en el mercado diseñado para realizar la clasificación de imágenes. Cuando se probó el modelo con imágenes sin etiquetar, los resultados indicaron que el modelo de aprendizaje profundo clasificó con precisión las imágenes sin etiquetar según la presencia o ausencia de la aparición de la enfermedad.

A continuación, se generaron mapas de calor predictivos para identificar las áreas y las características histológicas a partir de las cuales el modelo de aprendizaje automático podía predecir la recurrencia con alta precisión. Las imágenes incluían todas las capas de la pared intestinal. Los mapas de calor mostraron que el modelo de aprendizaje automático arrojó predicciones correctas en la capa de tejido adiposo subseroso. Sin embargo, en otras zonas, como las capas mucosas y muscular propia, el modelo fue menos preciso. Las imágenes con las predicciones más precisas se extrajeron de los conjuntos de datos de prueba de los grupos de no recidiva y recidiva. Entre estas imágenes, los mejores resultados de predicción contenían todas tejido adiposo.

Dado que el modelo de aprendizaje automático logró predicciones precisas a partir de imágenes del tejido subseroso, los investigadores plantearon la hipótesis de que las morfologías de las células adiposas subserosas diferían entre los grupos con y sin recidiva. Las células adiposas del grupo de recurrencia tenían un tamaño celular significativamente menor, un mayor aplanamiento y valores de distancia entre células más pequeños que los del grupo de no recurrencia.

«Estas características, definidas como ‘contracción de los adipocitos’, son importantes características histológicas asociadas a la recidiva de la enfermedad de Crohn», dijeron los doctores Matsui y Morii.

Los investigadores también plantearon la hipótesis de que las diferencias en la morfología de los adipocitos entre los dos grupos estaban asociadas a algún grado o tipo de condición inflamatoria en el tejido. Descubrieron que el grupo de recidiva tenía un número significativamente mayor de mastocitos infiltrados en el tejido adiposo subseroso, lo que indica que estas células están asociadas a la recidiva de la enfermedad de Crohn y al fenómeno de «contracción de los adipocitos».

Por lo que saben los investigadores, estos resultados son los primeros que relacionan la recurrencia postoperatoria de la enfermedad de Crohn con la histología de las células adiposas subserosas y la infiltración de mastocitos. El Dr. Matsui y el Dr. Morii observaron: «Nuestros hallazgos permiten estratificar el pronóstico de los pacientes con enfermedad de Crohn postoperatoria. Se utilizan muchos fármacos, incluidos los biológicos, para prevenir la recurrencia de la enfermedad de Crohn, y una estratificación adecuada puede permitir un tratamiento más intensivo y exitoso de los pacientes de alto riesgo.»

Kiyokawa H, Abe M, Matsui T, Kurashige M, Ohshima K, Tahara S, Nojima S, Ogino T, Sekido Y, Mizushima T, Morii E.
Deep Learning Analysis of Histologic Images from Intestinal Specimen Reveals Adipocyte Shrinkage and Mast Cell Infiltration to Predict Postoperative Crohn Disease.
Am J Pathol. 2022 Mar 28:S0002-9440(22)00106-7. doi: 10.1016/j.ajpath.2022.03.006

Path Copy Created with Sketch.
X