Científicos del Instituto Tecnológico de Massachusetts (MIT, por sus siglas en inglés) realizan un modelo de aprendizaje capaz de identificar, en mamografías,
tejido denso, un factor de riesgo del cáncer de mama.
El nuevo método de aprendizaje profundo automatizado, hecho por científicos del MIT y del Hospital General de Massachusetts, se usó con éxito en pacientes, por lo que el desarrollo podría derivar en mejores procesos de detección, tan confiables como los radiólogos.
Los investigadores destacan que el modelo puede brindar mayor confiabilidad en la evaluación de densidad mamaria en la población estadunidense, donde se estima que más del 40 por ciento de las mujeres tienen tejido mamario denso.
De acuerdo con el MIT, el tejido denso puede ocultar el cáncer en la mamografía, lo que dificulta la detección.
Para el desarrollo del proyecto, los científicos dotaron a un modelo de aprendizaje de miles de mamografías digitales de alta calidad para aprender a distinguir los diferentes tipos de tejido mamario.
“Nuestra motivación fue crear una herramienta precisa y coherente, que se pueda compartir y utilizar en todos los sistemas de atención médica”, indicó uno de los autores del artículo Adam Yala.
Los investigadores entrenaron y probaron su modelo en un conjunto de datos de más de 58 mil mamografías seleccionadas al azar de más de 39 mil mujeres.
El sistema se instala en una máquina separada que toma las exploraciones mamarias antes de que llegue al radiólogo, para asignar a cada mamografía una clasificación de densidad. Después, los expertos aceptan o rechazan calificación asignada del modelo.
De enero a mayo del presente año, en más de 10 mil mamografías, el modelo coincidió 94 por ciento con los radiólogos del Hospital General de Massachusetts en una prueba binaria.
“Toma menos de un segundo por imagen, puede escalarse de manera fácil y económica en todos los hospitales”, indicó Adam Yala.