La intel·ligència artificial accelerarà el procés d'avaluació dels resultats de les biòpsies testiculars

El problema de l'azoospermia i el seu diagnòstic

L'azoospermia, és a dir, l'absència total de spermatozoides en l'ejaculat, és un problema greu que impedeix la concepció d'un infant. En el tractament de les parelles on l'home presenta aquest diagnòstic, es pot recórrer a la biòpsia testicular per obtenir spermatozoides. Les mostres obtingudes són avaluades mitjançant l'escala de Johnsen, que proporciona una graduació de 1 a 10 punts.

Introducció de la IA en l'avaluació histològica

«Des de fa més de 50 anys, l'escala de Johnsen s'utilitza en urologia. No obstant això, l'avaluació histològica del teixit testicular no és una tasca fàcil i requereix molt de temps. Hem buscat simplificar aquesta etapa de diagnòstic que consumeix molt de temps implementant la tecnologia de la intel·ligència artificial (IA). El programari Google Automated Machine Learning (AutoML) Vision ha estat escollit per crear el model d'IA. La tecnologia AutoML Vision pot ser utilitzada per professionals de la salut que no tenen competències en programació», ha declarat el cap de l'equip de recerca, Hideyuki Kobayashi, professor agregat d'urologia a la universitat de Toho (Japó).

Graduació de l'escala i formació al model

Per simplificar l'aplicació de l'escala de Johnsen, el Dr. Kobayashi l'ha dividida en quatre grups: 1-3, 4-5, 6-7 i 8-10 punts. Aquesta graduació redueix el nombre de categories i facilita la classificació automàtica de les imatges mentre es conserva el significat clínic de les diferències entre els nivells. En el marc de l'estudi, s'han carregat 7155 imatges de specimens histològics a la plataforma Cloud AutoML Vision de Google. La intel·ligència artificial ha mostrat una precisió del 80% en l'avaluació del model histològic dels specimens.

Perspectives d'ús de la IA en medicina

La IA guanya popularitat en diversos àmbits de la medicina. Per exemple, tecnologies basades en IA s'han utilitzat amb èxit per analitzar imatges amb vista al diagnòstic del càncer de mama i per detectar patologies en imatges de tomografia computada pulmonar. No obstant això, el seu ús a gran escala en la pràctica clínica encara es veu obstaculitzat per la necessitat de specialists en el tractament de dades.

«La tecnologia d'aprenentatge automàtic que hem escollit s'adreça al personal del sector mèdic. És probable que en un futur proper, gràcies a la IA, els metges utilitzin els classificadors d'imatges mèdiques amb la mateixa facilitat i accessibilitat que utilitzen avui els eines de programari de oficina estàndard», ha declarat el Dr. Kobayashi.