Diagnóstico asistido por ordenador del cáncer de mama
La supervivencia del cáncer de mama requiere un diagnóstico y tratamiento en un estadio muy temprano. Los métodos capaces de detectar lesiones malignas con un tamaño inferior a 10 mm pueden reducir significativamente las muertes relacionadas con el cáncer de mama. No obstante, la detección de lesiones no masivas mediante imagen por resonancia magnética (IRM) constituye un reto y lleva aparejada una alta tasa de falsos positivos, lo que deriva en intervenciones invasivas innecesarias. El auge de la inteligencia artificial ha permitido realizar tareas muy exigentes en cuestión de segundos gracias a la ayuda de nuevos algoritmos de aprendizaje automático. El proyecto financiado con fondos europeos SmartMammaCAD se propuso emplear estos métodos de aprendizaje automático para mejorar la precisión del diagnóstico por IRM con realce de contraste dinámico (RCD). «Queríamos desarrollar un sistema automatizado novedoso que ayude al radiólogo en el diagnóstico del cáncer de mama», explica el doctor Ignacio Álvarez, coordinador del proyecto y beneficiario de una beca de investigación Marie Skłodowska-Curie. El aprendizaje automático mejora el diagnóstico basado en la IRM Las lesiones no masivas presentan una apariencia heterogénea, así como una gran variación en las características cinéticas y los parámetros morfológicos básicos. Este comportamiento dinámico de las lesiones no masivas es parecido al del tejido sano, lo que constituye un reto para el diagnóstico basado en la IRM. Para mejorar la precisión y la eficiencia del diagnóstico de las lesiones de mama relacionadas con el cáncer, los investigadores emplearon nuevos algoritmos de aprendizaje automático y procesamiento de señales. Gracias a una coordinación y cooperación multidisciplinarias, SmartMammaCAD generó un conjunto de datos de varios cientos de imágenes médicas tridimensionales de pacientes reales que contenían las anotaciones realizadas por los radiólogos de las lesiones. La información específica extraída de estas imágenes se utilizó para entrenar al sistema en la identificación de lesiones no masivas. Los nuevos algoritmos favorecieron la detección automática de estructuras parecidas a paredes durante el procesamiento de imágenes médicas, lo que posibilita aislar señales dinámicas de la mama de fuentes de ruido separadas por la pared torácica. Esto constituye un componente integral del «software» de SmartMammaCAD y ha permitido a los investigadores llevar a cabo una correcta segmentación y discriminación del tejido mamario del de otros órganos. Otras técnicas adicionales de compensación de movimiento han logrado reducir el impacto del ruido y los desalineamientos en las señales de interés. Según el doctor Ramírez: «El logro principal de este proyecto fue el descubrimiento de que el comportamiento dinámico de los tejidos puede aprovecharse para mejorar la precisión de la clasificación de lesiones no masivas». Aunque cierta información sobre las lesiones, como la forma, los bordes y el tamaño, es difícil de definir, el comportamiento dinámico puede emplearse para discriminar lesiones no masivas del tejido mamario sano. El futuro del diagnóstico asistido por ordenador del cáncer de mama En conjunto, se espera que el sistema SmartMammaCAD tenga un impacto positivo en la salud de los ciudadanos europeos al mejorar el diagnóstico de enfermedades potencialmente mortales como el cáncer de mama. El beneficio más importante del DAO para el cáncer de mama es la reducción de las biopsias. «Aunque es difícil evaluar cuán beneficioso puede ser un sistema de DAO en la lucha contra el cáncer de mama a largo plazo, un sistema preciso con alta especificidad puede generar confianza en la detección», confiesa el doctor Ramírez. El método de diagnóstico propuesto por SmartMammaCAD para hacer frente a la tasa de falsos positivos actual ha mejorado la sensibilidad y la especificidad de la detección de lesiones no masivas hasta en un 20 %. Los socios tienen la esperanza de que esto recupere la confianza de los radiólogos en los sistemas de DAO. Teniendo en cuenta que la densidad mamaria se está posicionando como un factor relevante del riesgo de cáncer, los socios de SmartMammaCAD planean mejorar la eficiencia de la segmentación mamaria de su sistema. Es más, el sistema puede ampliarse para incorporar información de otras modalidades de imaginología, aumentando la precisión de detección y clasificación.
Palabras clave
SmartMammaCAD, cáncer de mama, lesiones no masivas, diagnóstico asistido por ordenador (DAO), aprendizaje automático, IRM con realce de contraste dinámico (RCD)
