/ Enfermedades / Una combinación de IA y radiólogos identifica con gran precisión el cáncer de mama

Una combinación de IA y radiólogos identifica con gran precisión el cáncer de mama

Adamed Mujer en 22 octubre, 2019 - 2:09 pm en Enfermedades

Una herramienta de inteligencia artificial (IA), capacitada en aproximadamente un millón de imágenes de mamografías de detección, identificó el cáncer de mama con una precisión de aproximadamente el 90 por ciento cuando se combina con el análisis realizado por radiólogos, según un nuevo estudio.

Dirigido por investigadores de la Facultad de Medicina y el Centro de Ciencia de Datos de la Universidad de Nueva York, el estudio examinó la capacidad de un tipo de IA, un programa informático de aprendizaje automático, para agregar valor a los diagnósticos alcanzados por un grupo de 14 radiólogos mientras revisaban 720 imágenes de mamografía.

Nuestro estudio encontró que la IA identificó patrones relacionados con el cáncer en los datos que los radiólogos no pudieron, y viceversa“, dice el autor principal del estudio el Dr. Krzysztof J. Geras, profesor asistente en el Departamento de Radiología de NYU Langone.

“La IA detectó cambios a nivel de píxel en el tejido invisible para el ojo humano, mientras que los humanos usaron formas de razonamiento que no están disponibles para la IA”, agrega el Dr. Geras, también miembro afiliado de la facultad en el Centro de Ciencia de Datos de la NYU. “El objetivo final de nuestro trabajo es aumentar, no reemplazar, a los radiólogos humanos“.

En 2014, se realizaron más de 39 millones de exámenes de mamografía en los Estados Unidos para detectar mujeres (sin síntomas) en busca de cáncer de mama y determinar aquellas que necesitan un seguimiento más cercano. Las mujeres cuyos resultados de la prueba arrojan resultados anormales de la mamografía son derivadas para una biopsia, un procedimiento que extrae una pequeña muestra de tejido mamario para pruebas de laboratorio.

Una nueva herramienta para identificar el cáncer de mama

En el nuevo estudio, el equipo de investigación diseñó técnicas estadísticas que permiten a su programa “aprender” cómo mejorar en una tarea sin que se les diga exactamente cómo. Dichos programas crean modelos matemáticos que permiten la toma de decisiones basadas en ejemplos de datos que se les proporcionan, y el programa se vuelve “más inteligente” a medida que revisa más y más datos.

Los enfoques modernos de IA, inspirados en el cerebro humano, usan circuitos complejos para procesar información en capas, con cada paso alimentando la información al siguiente, y asignando más o menos importancia a cada pieza de información en el camino.

Publicado en línea recientemente por la revista IEEE Transactions on Medical Imaging, los autores del estudio actual entrenaron su herramienta de IA en muchas imágenes combinadas con los resultados de biopsias realizadas en el pasado. Su objetivo era habilitar la herramienta para ayudar a los radiólogos a reducir la cantidad de biopsias necesarias para avanzar. Esto solo se puede lograr, dice el Dr. Geras, al aumentar la confianza que los médicos tienen en la precisión de las evaluaciones realizadas para los exámenes de detección (por ejemplo, la reducción de resultados falsos positivos y falsos negativos).

Para el estudio actual, el equipo de investigación analizó imágenes que se habían recopilado como parte de la atención clínica de rutina en la NYU Langone Health durante siete años, analizando los datos recopilados y conectando las imágenes con los resultados de la biopsia. Este esfuerzo creó un conjunto de datos extraordinariamente grande para que su herramienta de IA se capacite, dicen los autores, que consta de 229,426 exámenes de mamografía de detección digital y 1,001,093 imágenes. La mayoría de las bases de datos utilizadas en los estudios hasta la fecha se han limitado a 10.000 imágenes o menos.

Por lo tanto, los investigadores entrenaron su red neuronal al programarla para analizar imágenes de la base de datos para las que ya se habían determinado los diagnósticos de cáncer. Esto significaba que los investigadores sabían la “verdad” para cada imagen de mamografía (cáncer o no) mientras probaban la precisión de la herramienta, mientras que la herramienta tenía que adivinar. La precisión se midió en la frecuencia de predicciones correctas.

Además, los investigadores diseñaron el modelo de IA del estudio para considerar primero parches muy pequeños de la imagen de resolución completa por separado para crear un mapa de calor, una imagen estadística de la probabilidad de enfermedad. Luego, el programa considera todo el seno para las características estructurales relacionadas con el cáncer, prestando más atención a las áreas marcadas en el mapa de calor a nivel de píxel.

En lugar de que los investigadores identifiquen las características de imagen para que su IA las busque, la herramienta está descubriendo por sí misma qué características de imagen aumentan la precisión de la predicción. En el futuro, el equipo planea aumentar aún más esta precisión entrenando al programa de IA en más datos, tal vez incluso identificando cambios en el tejido mamario que aún no son cancerosos pero que tienen el potencial de serlo.

“La transición al soporte de IA en radiología de diagnóstico debe proceder como la adopción de automóviles autónomos: lenta y cuidadosamente, generando confianza y mejorando los sistemas en el camino con un enfoque en la seguridad“, dice el primer autor Nan Wu, candidato a doctorado en el Centro de NYU para la ciencia de datos.

0 Comentario Opina

Envíenos un mensaje aqui

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *