El sarcoma d'Ewing és un tumor ossi i de parts toves que es confon fàcilment amb altres tumors de cèl·lules petites i rodones. Distingir-lo bé és decisiu perquè el tractament depèn del diagnòstic, però sovint els patòlegs només tenen una mostra minúscula obtinguda amb una agulla, i això limita les proves que poden fer.
Un equip de la Universitat Politècnica de València, de la Universitat de València i de l'Institut d'Investigació Sanitària INCLIVA ha entrenat un sistema d'aprenentatge profund que reconeix els patrons microscòpics de cada tumor i classifica la mostra. Segons la nota de la UPV, que recull News-Medical, el model es va entrenar i avaluar amb 1.926 mostres histològiques digitalitzades de 729 pacients de quatre hospitals d'Espanya i Itàlia. L'encert global és del 91,6%, la sensibilitat per al sarcoma d'Ewing arriba al 97,1% i l'error entre aquest tumor i el rabdomiosarcoma és de l'1,96%. L'article, signat per Francisco Giner i col·legues, s'ha publicat a l'«International Journal of Molecular Sciences» i compta amb el finançament europeu NextGenerationEU.
L'objectiu no és substituir el patòleg, sinó orientar-lo: quan hi ha poc teixit, saber quines proves complementàries val més demanar primer. Hi han col·laborat també l'hospital La Fe, l'Institut Valencià d'Oncologia, el Centre d'Investigació Príncipe Felipe i l'Institut Ortopèdic Rizzoli de Bolonya, i un dels autors és alhora cap tècnic d'Artikode Intelligence, una empresa derivada de la UPV.
La nota de premsa no detalla com es van repartir les dades entre entrenament i prova, si hi ha hagut validació amb hospitals aliens als quatre ni si l'eina ja es pot fer servir a la clínica. Tampoc dona intervals de confiança ni resultats per a cada tipus de tumor. Cal llegir l'article complet per saber fins on arriba el 91,6% abans de parlar d'una eina llesta per a la pràctica diària.