Royal Philips y LabPON han anunciado planes para crear una base de datos digital de conjuntos agregados masivos de imágenes de patología anotada y big data utilizando Philips IntelliSite Pathology Solution.

La base de datos proporcionará a los patólogos una gran cantidad de información clínica para el desarrollo de algoritmos de análisis de imágenes para la patología computacional y la educación en patología, al tiempo que promueve la investigación y el descubrimiento para desarrollar nuevos conocimientos para la evaluación de enfermedades, incluido el cáncer. Los algoritmos de aprendizaje profundo tienen el potencial de mejorar la objetividad y la eficiencia en el diagnóstico del tejido tumoral.

En los últimos años, las técnicas de "aprendizaje profundo" para el análisis de imágenes se han convertido rápidamente en el aspecto más innovador en visión por computador y han superado el rendimiento humano en varias de tareas. El desafío para ejecutar técnicas de aprendizaje profundo es tener acceso a una base de datos con suficiente volumen y alta calidad de datos para desarrollar los algoritmos.

Como uno de los laboratorios de patología más grandes de los Países Bajos, LabPON aportará su repositorio de aproximadamente 300.000 imágenes de diapositivas completas (WSI) que cada año crean prospectivamente en la base de datos. Esto contendrá conjuntos de datos des-identificados de casos anotados que son comentados manualmente por el patólogo, y comprenderá una amplia variedad de tipos de tejidos y enfermedades, así como otra información de diagnóstico pertinente para facilitar el aprendizaje profundo.

La base de datos proporciona a los patólogos información clínica para el desarrollo de algoritmos para la educación en patologías

"El aprendizaje profundo se centra en el desarrollo de programas informáticos avanzados que comprenden automáticamente y digitalmente el mapa de imágenes de tejidos con un detalle considerable: Cuantos más datos estén disponibles, más refinado será el análisis por computadora", afirma Peter Hamilton, líder de análisis de imágenes de Philips Digital Pathology Solutions, "Juntos, LabPON y Philips tienen la competencia y las habilidades para realizar esto".

En un momento en que la escasez de patólogos está aumentando y también lo hace el número de casos de cáncer, el diagnóstico y clasificación precisa del cáncer se ha vuelto cada vez más complejo, poniendo presiones significativas en los servicios de patología. Tecnologías como la patología computacional, podría ayudar a los patólogos con herramientas para trabajar de la manera más eficiente posible.

Alexi Baidoshvili, patólogo de LabPON, asegura: "El papel del patólogo sigue siendo importante haciendo el diagnóstico definitivo, que tiene un alto impacto en el tratamiento del paciente. Las herramientas de software podrían ayudar a aliviar parte del trabajo de los patólogos, como la identificación de células tumorales, el recuento de células mitóticas o la identificación de crecimiento perineural y vaso-invasivo, así como la realización de mediciones de una manera más exacta y precisa. Esto en última instancia podría ayudar a mejorar la calidad del diagnóstico y hacerlo más objetivo".

Junto al desarrollo de algoritmos computacionales para el uso diagnóstico, Philips tiene la intención de poner a disposición de las instituciones de investigación y otros socios la base de datos a través de su plataforma de investigación traslacional. Esto podría permitir a las partes seleccionadas para interrogar y combinar datos masivos con el objetivo de descubrir nuevas ideas que en última instancia podría traducirse en nuevas opciones de tratamiento personalizado para los pacientes.