26 de Feb de 2020

Tecnología

Inteligencia artificial mejora predicción de riesgo de cáncer de mama

El modelo se basó en mamografías de casos diagnosticados entre 2008 y 2012 y después estudió a más de 2.000 mujeres de entre 40 y 74 años de edad

Desarrollan sensor para detectar el cáncer de mama con saliva
La red neuronal profunda demostró una asociación de riesgo más elevada para el cáncer de mama.Archivo | La Estrella de ´Panamá

La inteligencia artificial (IA) puede superar el desempeño de los modelos existentes en lo que respecta a predecir cuáles mujeres corren el riesgo de presentar cáncer de mama, se indicó en un estudio publicado hoy en la revista Radiology.

 Investigadores del Instituto Karolinska en Estocolmo desarrollaron un modelo de riesgo basado en una red neuronal profunda, un tipo de IA que puede extraer enormes cantidades de información de imágenes de mamografías.

 El modelo se basó en mamografías de casos diagnosticados entre 2008 y 2012 y después estudió a más de 2.000 mujeres de entre 40 y 74 años de edad que se habían sometido a mamografías. De las 2.283 mujeres del estudio, 278 recibieron más tarde el diagnóstico de cáncer de mama.

 La red neuronal profunda demostró una asociación de riesgo más elevada para el cáncer de mama, en comparación con el mejor modelo de densidad mamográfica. Además, los falsos negativos fueron menores con el nuevo modelo que con el mejor modelo de densidad mamográfica. 

Estos falsos negativos son la tasa a la cual mujeres no catalogadas como de alto riesgo recibieron más tarde el diagnóstico de cáncer de mama. En la actualidad, la mayoría de los programas de detección de cáncer de mama se basan en mamografías "iguales para todas" a intervalos similares, cada año o cada dos años.

 "Una predicción efectiva del riesgo puede mejorar la asistencia a los programas de detección y la confianza en ellos", dijo Karin Dembrower, principal autora del estudio y radióloga para mamas del Instituto Karolinska. El enfoque de IA también puede ser mejorado continuamente con exposición a más series de datos de alta calidad, indicaron los investigadores.