• Biopsia Virtual de Lesiones Gastrointestinales en Colonoscopia Convencional

    Biopsia Virtual de Lesiones Gastrointestinales en Colonoscopia Convencional

    EL PROBLEMA

    El cáncer es una de las principales causas de muerte en todo el mundo. En particular, el cáncer colorrectal está relacionado con el intestino grueso (colon), la parte inferior del sistema digestivo, y el recto (las últimas pulgadas del colon), y es una de las neoplasias malignas más comúnmente diagnosticadas en ambos sexos. A pesar de que la colonoscopia se usa ampliamente para la detección y prevención del cáncer colorrectal, y se considera hoy en día como el estándar para la examinación del colon, todavía presenta limitaciones (como la reducción de la tasa de pólipos ignorados). Un pólipo es un crecimiento anormal del tejido que se proyecta desde una membrana mucosa, y algunos tipos de pólipos (por ejemplo, los adenomas) representan condiciones premalignas para el cáncer colorrectal. La resección endoscópica durante la colonoscopia puede prevenir el desarrollo del cáncer colorrectal.

    La principal motivación para diseñar un sistema de apoyo a la toma de decisiones asistido por ordenador en colonoscopia es ayudar al experto a mejorar la precisión y rapidez del diagnóstico médico. También se puede utilizar como recurso educativo, acelerando la curva de aprendizaje de los estudiantes de medicina. Uno de los objetivos de este desarrollo es distinguir, de modo automático o semi-automático, las lesiones a las que se debe realizar biopsia de aquellas que deben eliminarse directamente durante la colonoscopia. En este sentido, una herramienta de biopsia virtual podría ser de gran ayuda para seleccionar lesiones que deban ser eliminadas directamente en su totalidad, y así evitar esperar a que la histopatología decida la estrategia terapéutica. Además, en un entorno clínico real, la biopsia virtual podría ayudar a discriminar la gravedad de las lesiones individuales en pacientes con muchos pólipos, de forma que el gastroenterólogo podría centrarse en aquellas que requieran polipectomía.

    MÉTODOS EMPLEADOS

    Se emplearon técnicas de aprendizaje automático (machine learning), como support vector machines o random forest, para aprender a discriminar los distintos tipos de lesión a partir de los propios datos; y se utilizaron técnicas de visión por computador tanto para reconstruir la forma 3D de las lesiones a partir de los vídeos de colonoscopia, como para caracterizar cada lesión a nivel de color, textura y forma tridimensional.

    Diagrama general de nuestro sistema de biopsia virtual. Los datos de entrenamiento contienen vídeos de cada clase, y son usados por el algoritmo de entrenamiento para generar una máquina entrenada (capaz de discernir los distintos tipos de lesiones). Una vez entrenada, esta máquina será capaz de clasificar vídeos de colonoscopia que no ha visto con anterioridad. El sistema recive como entrada dos vídeos, uno utilizando narrow band imaging (NBI) y otro luz blanca (WL, por sus siglas en inglés). En ambos casos, se extraen características de color y textura que, junto con la forma tridimensional reconstruída utilizando Structure-from-Motion (SfM), nos permite clasificar las lesiones.

    RESULTADOS

    El trabajo realizado por el Dr. Pablo Mesejo, en colaboración con el Dr. Daniel Pizarro y el Dr. Adrien Bartoli, así como con los doctores Sylvain Beorchia, Laurent Poincloux, Olivier Rouquette, y Armand Abergel, produjo como resultado una herramienta capaz de mejorar la capacidad predictiva de un experto gastroenterólogo en casi un 10%. Dicha herramienta es capaz también de ahorrar tiempo al cirujano gracias a evitar la cromoendoscopia, un proceso costoso (a nivel de tiempo y dinero) de tinción del colón con carmín de índigo (la tinción de un colon al completo asciende a más de 100€). Los resultados de la investigación se publicaron en una de las revistas de referencia en análisis de imágenes médicas: Mesejo, P., Pizarro, D., Abergel, A., Rouquette, O., Beorchia, S., Poincloux, L., & Bartoli, A. (2016). Computer-aided classification of gastrointestinal lesions in regular colonoscopy. IEEE transactions on medical imaging, 35(9), 2051-2063. El software desarrollado se registró en la autoridad francesa pertinente (IDDN.FR.001.350029.000.S.P.2015.000.31230. CAPRE (Computer-Aided Polyp Recognition), registrado el 25/08/2015). La base de datos recopilada por el Dr. Pablo Mesejo y Dr. Daniel Pizarro se encuentra disponible para su consulta pública en http://www.depeca.uah.es/colonoscopy_dataset/ y en https://archive.ics.uci.edu/ml/datasets/Gastrointestinal+Lesions+in+Regular+Colonoscopy.

    PARTICIPANTES

    Instituciones

    Este proyecto se ubica en uno de mayor calado que implicaba a 5 instituciones francesas a través de un proyecto ANR (Agencia Nacional Francesa de Investigación) financiado con 797.568€: proyecto SYSEO («Análisis de Imagen Multimodal y Multimedia, y Red Colaborativa para Endoscopia Digestiva»).


    Investigadores

    Dr. Pablo Mesejo como investigador postdoctoral en el equipo ALCoV (Laparoscopia Avanzada y Visión por Computador), liderado por el Dr. Adrien Bartoli, perteneciente al laboratorio ISIT (Ciencias de la Imagen para Técnicas Intervencionales, UMR 6284 – CNRS) de la Facultad de Medicina de la Universidad de Auvernia Clermont-Ferrand I (Francia).