La inteligencia artificial se adelanta al cáncer de mama

Mamografía./Reuters
Mamografía. / Reuters

El MIT es capaz de predecir a partir de una mamografía si la paciente es propensa a desarrollar un cáncer de mama en el futuro

JOSÉ A. GONZÁLEZMadrid

La detección precoz del cáncer de mama es el primer paso para superar con éxito esta enfermedad. El cáncer de mama en España tiene una tasa de supervivencia a 5 años superior al 90%, lo que significa que más de 90 de cada 100 personas que padecen cáncer de mama continúan vivas 5 años después de haber sido diagnosticadas.

Las últimas novedades tecnológicas sanitarias se aplican ya en los hospitales españoles, ahora las investigaciones se centran más en la inteligencia artificial.

Investigadores del Hospital General de Massachusetts y el CSAIL trabajan en el desarrollo de un algoritmo capaz de predecir a partir de una mamografía si la paciente es propensa a desarrollar un cáncer de mama en el futuro.

Para ello, el equipo de investigación han revisado un total de 90.000 mamografías de detección de alta resolución de aproximadamente 40.000 mujeres para entrenar, validar y probar el modelo de aprendizaje profundo. «Hay mucha más información en una mamografía que solo las cuatro categorías de densidad mamaria», señala Adam Yala, autor principal del estudio.

La densidad mamaria es un factor de riesgo independiente para el cáncer de mama que se ha agregado a algunos modelos para mejorar la evaluación de riesgos. El entrenamiento ha permitido a esta inteligencia artificial reconocer los sutiles patrones del tejido mamario que son precursores de su malignización.

«Al usar el aprendizaje profundo, podemos aprender a aprovechar esa información directamente de los datos y crear modelos que sean significativamente más precisos en diversas poblaciones», añade Yala.

Aseguran, los científicos estadounidenses, que su trabajo ha conseguido sortear los sesgos raciales. «A diferencia de los modelos tradicionales, nuestro modelo de aprendizaje profundo funciona igualmente bien en diversas razas, edades e historias familiares», comenta Regina Barzilay, profesora del MIT

Para sortear esta barrera, los programadores han utilizado para el entrenamiento del algoritmo por igual datos de entrenamiento relativos a ambas poblaciones.