El programa IA anticipa al diagnóstico humano el cáncer de mama

Los escáneres de seno se recomiendan para mujeres mayores de 50 años que no muestran signos de cáncer.

El programa IA anticipa al diagnóstico humano el cáncer de mama

El programa IA anticipa al diagnóstico humano el cáncer de mama. Los investigadores dijeron que un programa de computadora puede identificar el cáncer de mama a partir de exploraciones de rutina con mayor precisión que los expertos humanos, lo que esperaban podría ser un gran avance en la lucha contra el asesino global.

El cáncer de mama es uno de los cánceres más comunes en las mujeres, con más de dos millones de diagnósticos nuevos solo el año pasado.

La evaluación periódica es vital para detectar los primeros signos de la enfermedad en pacientes que no muestran síntomas evidentes.

En Gran Bretaña, se aconseja a las mujeres mayores de 50 años hacerse una mamografía cada tres años, cuyos resultados son analizados por dos expertos independientes.

Pero la interpretación de los escáneres deja margen para el error, y un pequeño porcentaje de todas las mamografías devuelve un falso positivo, diagnosticando erróneamente a un paciente sano como que tiene cáncer, o falso negativo, perdiendo la enfermedad a medida que se propaga.

Ahora los investigadores de Google Health han entrenado un modelo de inteligencia artificial para detectar el cáncer en escáneres de seno de miles de mujeres en Gran Bretaña y Estados Unidos.

Las imágenes ya habían sido revisadas por médicos en la vida real, pero a diferencia de un entorno clínico, la máquina no tenía antecedentes de pacientes para informar sus diagnósticos.

El equipo descubrió que su modelo de IA podía predecir el cáncer de mama a partir de los escaneos con un nivel de precisión similar al de los radiógrafos expertos.

Además, la IA mostró una reducción en la proporción de casos en los que se identificó incorrectamente el cáncer: 5,7 por ciento en los EE. UU. Y 1,2 por ciento en Gran Bretaña, respectivamente.

También redujo el porcentaje de diagnósticos omitidos en un 9,4 por ciento entre los pacientes estadounidenses y en un 2,7 por ciento en Gran Bretaña.

“Cuanto antes identifique un cáncer de seno, mejor será para la paciente”, dijo a la AFP Dominic King, líder del Reino Unido en Google Health.

“Pensamos en esta tecnología de una manera que respalda y permite que un experto, o un paciente en última instancia, obtenga el mejor resultado de cualquier diagnóstico que haya tenido”.

Computadora ‘segunda opinión’

En Gran Bretaña, todas las mamografías son revisadas por dos radiólogos, un proceso necesario pero laborioso.

El equipo de Google Health también realizó experimentos comparando la decisión de la computadora con la del primer lector de escaneo humano.

Si los dos diagnósticos estuvieron de acuerdo, el caso se marcó como resuelto. Solo con resultados discordantes se le pidió a la máquina que comparara con la decisión del segundo lector.

El estudio de King y su equipo, publicado en Nature , mostró que el uso de IA para verificar el diagnóstico del primer revisor experto humano podría ahorrar hasta un 88 por ciento de la carga de trabajo para el segundo clínico.

“Búscame un país donde puedas encontrar una enfermera o un médico que no esté ocupado”, dijo King.

“Existe la oportunidad de que esta tecnología respalde el excelente servicio existente de los revisores (humanos)”.

Ken Young, un médico que gestiona la recolección de mamografías para Cancer Research UK, contribuyó al estudio.

Dijo que era único por su uso de escenarios de diagnóstico de la vida real de casi 30,000 escaneos.

“Tenemos una muestra que es representativa de todas las mujeres que podrían someterse a exámenes de detección de senos”, dijo.

“Incluye casos fáciles, casos difíciles y todo lo demás”.

El equipo dijo que se necesita más investigación, pero esperaban que la tecnología algún día podría actuar como una “segunda opinión” para los diagnósticos de cáncer.

Más información: Scott Mayer McKinney et al. Evaluación internacional de un sistema de IA para detección de cáncer de mama, Nature (2020). DOI: 10.1038 / s41586-019-1799-6

loading...