Utilización de la inteligencia artificial de observación de los astros para detectar el cáncer de piel
El método de referencia para detectar casos de cáncer de piel sigue siendo bastante lento e ineficaz. Los dermatólogos deben examinar y controlar los lunares de la piel (nevos)(se abrirá en una nueva ventana) para detectar signos precoces de melanoma maligno (un tipo de cáncer de piel), y los pacientes con muchos nevos también deben aprender a hacerse ellos mismos controles de forma eficaz. El sistema de fotografía corporal total(se abrirá en una nueva ventana) se utiliza como ayuda en este proceso de seguimiento, al capturar una imagen de campo amplio de un paciente en condiciones normalizadas para garantizar la coherencia entre las imágenes. Con todo, las revisiones de seguimiento de los pacientes siguen realizándose en persona y estas imágenes se utilizan únicamente como referencia visual. Entretanto, la incidencia del melanoma maligno está aumentando en todo el mundo. El diagnóstico precoz es fundamental: la tasa de supervivencia de más del 95 % de las personas a las que se diagnostica precozmente es de 5 años o más, frente a una tasa muy inferior en el caso de las personas diagnosticadas en fases avanzadas. En el proyecto MOLEGAZER, financiado por el Consejo Europeo de Investigación(se abrirá en una nueva ventana), los investigadores han transformado un algoritmo utilizado para vigilar el cielo nocturno en otro capaz de detectar lunares cambiantes e identificar posibles casos de cáncer en la piel humana. «MOLEGAZER es un proyecto para automatizar la detección de nevos, seguir su evolución y ayudar a los facultativos en el diagnóstico precoz del melanoma maligno», señala Mark Sullivan(se abrirá en una nueva ventana), catedrático de Astrofísica de la Universidad de Southampton.
Cómo escanean los algoritmos el cielo nocturno
Los algoritmos utilizados en el proyecto MOLEGAZER detectan cambios en las imágenes astronómicas, como la explosión de estrellas. «Nuestras instalaciones astronómicas inspeccionan el cielo cada pocas noches y detectan millones de estrellas y galaxias», añade Sullivan. Estos algoritmos encuentran píxeles de imágenes conectados que difieren de un nivel de fondo y se vigilan a lo largo del tiempo para detectar cambios en características como su forma, tamaño y brillo. A continuación, los algoritmos localizan objetos interesantes en función de cómo evolucionan estas propiedades.
Adaptación de los algoritmos a las imágenes cutáneas
En astronomía, los objetos más brillantes son los más fáciles de detectar. Sullivan comenta: «Por desgracia, los nevos no brillan. En lugar de ello, preprocesamos nuestras imágenes de modo que se realce la intensidad del nevo en relación con el resto del cuerpo». Mientras que las formas de las estrellas, las galaxias y las supernovas se difuminan suavemente en el fondo, los melanomas malignos presentan unos límites precisos. «Este hecho nos benefició, ya que el algoritmo de detección de bordes simples podía segmentar con fiabilidad los nevos y esta información se combinó posteriormente con nuestros mapas de intensidad a fin de seleccionar con seguridad las regiones de interés para el seguimiento dermatológico», explica. A través del proyecto MOLEGAZER, el equipo recopiló un conjunto de datos de fotografías corporales totales de pacientes con alto riesgo de melanoma maligno, un recurso fundamental que se utilizó para entrenar los algoritmos. Los investigadores también crearon una base de datos con todas las características cutáneas identificadas en esas imágenes.
Ajuste de la inteligencia artificial para la piel humana
Los investigadores siguen perfeccionando y mejorando los algoritmos con un ciclo de aprendizaje activo, en el que los dermatólogos inspeccionan visualmente las imágenes de las regiones en las que el algoritmo resulta ser más inseguro. Este ligero impulso a los algoritmos los entrena para distinguir con más confianza los nevos anormales o los melanomas malignos de otros elementos benignos del paciente. La próxima fase consistirá en implementar y probar el método en más imágenes de personas y con distintos tipos de piel. Rubeta Matin(se abrirá en una nueva ventana), dermatóloga consultora en Oxford University Hospitals NHS Foundation Trust y parte del equipo de MOLEGAZER, comenta: «Esta herramienta de ayuda a los facultativos tiene un enorme potencial para optimizar el seguimiento en una proporción significativa de la población que tiene más de sesenta lunares en el cuerpo y que, de otro modo, tendría muchas dificultades para que se le identificaran lesiones sospechosas de melanoma maligno».
