Aprendizaje de pocos ejemplos e IA explicativa para la histopatología del cáncer colorrectal: Una red prototípica con interpretabilidad multitecnica.

Este estudio analizó el uso de la inteligencia artificial (IA) para ayudar a diagnosticar el cáncer de colon mediante el análisis de muestras de tejido bajo un microscopio (histopatología).

La investigación se centró en el desarrollo de un modelo de IA que pueda aprender a diagnosticar el cáncer de colon con precisión, incluso cuando solo hay disponibles unos pocos ejemplos de tejido canceroso para el entrenamiento (aprendizaje con pocos ejemplos). El modelo también tiene como objetivo explicar su razonamiento, lo que lo hace más transparente (IA explicable). El modelo de IA se probó con imágenes de tejido de colon y mostró una buena precisión, incluso con imágenes que no había visto antes.

Esta investigación aún se encuentra en una etapa inicial. El estudio utilizó modelos informáticos e imágenes, no pacientes directamente. Aún no se sabe si este enfoque de IA funcionará de manera eficaz en la práctica clínica real para diagnosticar el cáncer de colon en pacientes. Serían necesarias pruebas y validaciones adicionales antes de que pudiera utilizarse potencialmente para ayudar a los médicos.

Actualmente, la forma en que los médicos diagnostican el cáncer de colon utilizando la histopatología no cambia debido a este estudio. Sin embargo, si este tipo de modelo de IA resulta ser exitoso en etapas posteriores de la investigación y los ensayos clínicos, podría convertirse potencialmente en una herramienta para ayudar a los patólogos a realizar diagnósticos, especialmente cuando hay datos de entrenamiento limitados disponibles.