Deep learning techniques for computer-aided diagnosis in colorectal cancer

Abstract

El cáncer colorrectal es uno de los cánceres con mayor incidencia en España. Éste empieza con la presencia de pólipos o lesiones neoplásicas en el colon. Este tipo de lesiones pueden evolucionar a procesos malignos, por lo que la detección temprana y sucesivo tratamiento resulta imprescindible. Su tamaño suele ser inferior a 5 mm, lo cual dificulta su visualización y conlleva un problema a la hora de detectarlas. Cuando se detecta un pólipo durante la endoscopia, se procede a su extracción y, posteriormente, se analiza en un laboratorio (biopsia). Aunque se realice la extirpación de los pólipos, pueden surgir nuevas lesiones, conocidas como lesiones metacrónicas, por lo que la vigilancia posterior suele ser necesaria. Por otro lado, en ocasiones se realizan extracciones de pólipos que realmente son innecesarias, provocando al paciente una intervención que se podía haber evitado. En esta línea se ubica la presente tesis cuyo objetivo es desarrollar un modelo de detección y clasificación de pólipos colorrectales utilizando técnicas Deep Learning. Con la creación de este modelo, se puede asistir al endoscopista en el diagnostico óptico de lesiones en el colon durante la endoscopia en tiempo real. Esto supone una mejora que permite la toma de decisiones clínicas independientes del observador, además de resultar en un apoyo adicional a la hora de tomar decisiones sobre cánceres colorrectales candidatos a tratamiento endoscópico. También conlleva un aumento en la eficiencia al reducir el número de pólipos para realizar la biopsia, contribuyendo a hacer un sistema sanitario más sostenible.

O cancro colorrectal é un dos cancros con maior incidencia en España. Este cancro comeza coa presencia de pólipos ou lesións neoplásicas no colon. Este tipo de lesións pode evolucionar a procesos malignos, polo que a detección temperá e sucesivo tratamento resulta imprescindible. O seu tamaño soe ser inferior a 5 mm, o cal dificulta a súa visualización xurdindo un problema á hora de detectalas. Cando se detecta un pólipo durante a endoscopia, procedese a súa extracción e, posteriormente, analízase nun laboratorio (biopsia). Inda que se realice a extirpación dos pólipos, poden xurdir novas lesións, coñecidas como lesións metacrónicas, polo que a vixilancia posterior soe ser necesaria. Por outro lado, en ocasións realízanse extraccións de pólipos que realmente son innecesarias, provocando ó paciente unha intervención que se podería ter evitado. Nesta liña enmárcase a presente tese, tendo como obxectivo desenvolver un modelo de detección e clasificación de pólipos colorrectais utilizando técnicas Deep Learning. Coa creación deste modelo, será posible asistir ó endoscopista no diagnóstico óptico de lesións no colon durante a endoscopia en tempo real. Isto supón unha mellora que permite levar acabo unha toma de decisións clínicas independentes do observador, ademais de resultar nun apoio adicional á hora de tomar decisións ante cancros colorrectais candidatos ó tratamento endoscópico. Tamén supón un aumento na eficiencia ó reducir o número de pólipos para realizar a biopsia, contribuíndo a facer un sistema sanitario máis sostible.

Colorectal cancer is one of the most incident cancer in Spain. The development of this cancer starts with the presence of polyps or neoplastic lesions in the colon. This kind of lesions can evolve to malignant processes, so their early detection and subsequent treatment becomes essential. Its size is often less than 5mm, which poses difficulties for visualization, leading to problems in its detection. When a polyp is detected during endoscopy, a resection is carried out and a laboratory analysis is done, afterwards (biopsy). Although polyps are removed, new lesions can appear, known as metacronic lesions, so the follow-up vigilance is necessary. Moreover, sometimes resections that have been done are not really necessary, performing an unnecessary procedure over the patient. Following this line, the current PhD is proposed, where its main objective it to develop a colon polyp detection and classification model by means of Deep Learning techniques. The creation of this model could help endoscopist in the optical diagnosis of colon lesions in real time. This is an improvement for making observer-independent clinical decisions, as well as it gives an additional aid when making decisions over colorectal cancers which are candidate for endoscopic treatment. In addition, it entails an efficiency improvement due to the reduction in the number of polyp biopsies, leading to a more sustainable public health system.