Las mujeres conocen el ejercicio:el cáncer de mama es un diagnóstico de cáncer demasiado común como para ignorarlo, ya que la detección temprana podría marcar la diferencia. Si bien los falsos positivos pueden causar una enorme cantidad de estrés indebido, los falsos negativos tienen un impacto en qué tan temprano se detecta un cáncer y posteriormente se trata.

La detección temprana podría brindarle a la persona más opciones para intervenciones y terapias exitosas con su condición aún en su etapa inicial.

Un equipo de IBM Research ha recurrido a la inteligencia artificial para ver si pueden encontrar una solución que logre un nivel impresionante de detección precisa del cáncer de mama. y sus resultados son alentadores.

En una publicación del blog de investigación de IBM, Michal Chorev de IBM Research describió los objetivos del equipo, esfuerzos y resultados.

Dijo que "como el primer algoritmo de este tipo para aprender y tomar decisiones a partir de datos de imágenes y del historial médico completo del paciente, nuestro modelo fue capaz de predecir correctamente el desarrollo de cáncer de mama en el 87 por ciento de los casos que analizó, y también fue capaz de interpretar correctamente el 77 por ciento de los casos no cancerosos ".

La adición de datos clínicos a las mamografías aumentó significativamente el AUROC y la sensibilidad del modelo.

"Cuando se basa únicamente en datos clínicos, nuestro modelo obtuvo un AUROC de 0,78, mejorar la predicción del riesgo de cáncer de mama en comparación con modelos de riesgo comunes como el modelo de Gail. Es más, pudimos identificar factores clínicos que posiblemente pueden contribuir a un riesgo elevado y que no fueron utilizados previamente por otros modelos, como perfiles de glóbulos blancos y pruebas de función tiroidea ".

Antes que nada, el equipo de IBM Research – Haifa planteó la hipótesis de que un modelo que combina el aprendizaje automático y el aprendizaje profundo podría aplicarse para evaluar el cáncer de mama a un nivel comparable al de los radiólogos y con las capacidades necesarias para ser aceptado en la práctica clínica como segundo lector.

Como se vio despues, Parece que predecir el cáncer de mama con IA con una precisión cercana al nivel de un radiólogo no fuera un mero vuelo de la imaginación.

El trabajo de estos investigadores de IBM aparece en Radiología y analiza el modelo de IA que puede predecir el desarrollo de cáncer de mama maligno en pacientes durante el año con tasas de precisión favorables. "Una predicción más precisa podría tener el potencial de reducir la cantidad de mujeres a las que se envía a pruebas innecesarias, o que experimentan el trauma de ser asignadas innecesariamente como de alto riesgo, por los modelos tradicionales".

Esta no sería la primera vez que la investigación recurre a la IA para tales fines. Los investigadores ya habían estado construyendo modelos de predicción basados ​​en inteligencia artificial, dijo Adnan Farooqui en Ubergizmo .

Fingas hizo la distinción en cuanto a lo novedoso de este trabajo. Si bien ya existen métodos de predicción de IA, o se basaron en imágenes de mamografías o se centraron en registros médicos. "IBM se destaca por utilizar ambos".

Chorev escribió en su blog que este era "el primer algoritmo de este tipo para aprender y tomar decisiones a partir de los datos de imágenes y del historial médico completo del paciente".

¿Qué tan completo? La respuesta radica en cómo IBM entrenó su IA, con imágenes de mamografías anónimas vinculadas a biomarcadores (como antecedentes reproductivos) y datos clínicos, dijo Fingas. Según el blog de IBM Research, entrenaron el algoritmo en 9, 611 mamografías y registros médicos de mujeres, con dos objetivos:(1) predecir la malignidad de la biopsia y (2) diferenciar los exámenes de detección normales de los anormales.

"A través de los socios de investigación de IBM Maccabi Health Services y Assuta Medical Center, dos grandes proveedores de salud en Israel, nuestro equipo pudo obtener un gran conjunto de Imágenes de mamografía recopiladas voluntariamente que también se vincularon a un registro rico y detallado de los datos clínicos de la persona correspondiente, como un historial de cualquier diagnóstico de cáncer, historial de embarazo y estado de la menopausia ".

Y lo que es más, había rasgos que uno no descubriría solo en imágenes, p.ej., deficiencias de hierro y función tiroidea. En general, escribió Chorev, se trata de una "cantidad asombrosa de datos" que proporcionan "una gran cantidad de información de la que nuestros modelos de aprendizaje automático podrían aprender".

La cantidad de datos permitió a los algoritmos "conectar patrones y tendencias que podrían no haber sido posibles de otra manera". Datos involucrados en biopsias, pruebas de laboratorio, registros de cáncer y códigos de otros diagnósticos y procedimientos.

El equipo ve este modelo de IA no como un reemplazo para los radiólogos, sino como un segundo par de ojos. Además de las evaluaciones humanas, "la precisión es lo suficientemente buena como para que pueda servir como un 'segundo par de ojos, 'según IBM ".

Podría verificar el pronóstico de un radiólogo y reducir las posibilidades de que los pacientes sean enviados para pruebas de seguimiento innecesarias.

Analizar las mamografías es una tarea desafiante. Las diferencias entre las lesiones y el fondo pueden ser sutiles:existen múltiples tipos de posibles hallazgos en la forma, Talla, color, textura y otros factores.

Negocio de Radiología :Aunque el modelo del equipo no necesariamente superó a los radiólogos, su desempeño cayó en "el rango aceptable de radiólogos para la detección del cáncer de mama".

Para leer más, su artículo "Predicción del cáncer de mama mediante la aplicación del aprendizaje profundo a registros de salud y mamografías vinculados" aparece en Radiología .

© 2019 Science X Network