El uso de machine learning (ML) en el ámbito de la histopatología veterinaria está abriendo nuevas oportunidades para mejorar el análisis de tejidos de forma objetiva y reproducible.
Un reciente estudio realizado por investigadores de la Universidad de Copenhague ha evaluado la viabilidad de aplicar algoritmos supervisados de ML al análisis histológico cuantitativo del intestino delgado de lechones, utilizando un conjunto reducido de imágenes entrenadas.
La investigación se centró en 145 lechones distribuidos en cinco grupos de edad (entre los 4 y los 67 días).
A partir de muestras completas de duodeno, yeyuno e íleon, teñidas con hematoxilina-eosina y digitalizadas, se entrenó un modelo de ML de tres pasos.
Este modelo fue diseñado para:
- Identificar tejido
- Segmentar las capas mucosa y submucosa
- Distinguir entre epitelio y lámina propia
Los resultados evidencian que, si bien el modelo logró una segmentación funcional, su precisión fue variable según la edad de los animales.
Los errores se agruparon en dos categorías:
- Limitaciones intrínsecas (problemas de umbral en la identificación de tejido).
- Deficiencias atribuibles al entrenamiento del modelo (potencialmente corregibles mediante la incorporación de más imágenes de entrenamiento).
| El estudio concluye que el uso de machine learning en histopatología veterinaria es factible incluso con conjuntos de datos reducidos, siempre que se mantenga una supervisión experta constante.
Estas herramientas deben considerarse como un apoyo al trabajo del patólogo, no como un sustituto, especialmente en contextos donde las variaciones tisulares son marcadas por la edad o la especie. |