El cáncer de mama se encuentra entre las principales causas de muerte en los EE. UU.
Según la Instituto Nacional del Cáncer, se esperan aproximadamente 268,670 nuevos casos de cáncer de mama este año, y se espera que las mujeres 40,920 mueran a causa de la enfermedad.
Además, una de cada ocho mujeres desarrollará cáncer de mama en algún momento de sus vidas.
Desafortunadamente, más de 50 por ciento de las mamografías en los Estados Unidos son defectuosos.
Ya sea por no proporcionar una imagen correcta o por una mala interpretación por parte de un médico, las mamografías inexactas a menudo conducen a diagnósticos erróneos costosos o al no poder detectar un tumor mortal.
Por lo tanto, los científicos buscan la IA para proporcionar a los pacientes resultados de mamografías más precisos.
Las mamografías son defectuosas
Los médicos pueden no detectar con precisión un tumor de la lectura, lo que puede resultar en una prueba falsa negativa.
Por el contrario, los médicos pueden malinterpretar la evaluación como positiva incluso cuando no lo es, lo que puede resultar en una prueba falsa positiva y requerir que el paciente se someta a pruebas adicionales innecesarias y costosas.
"En algunos casos, las mamografías pueden ser una prueba de detección valiosa y que puede salvar la vida del cáncer de mama", dijo Morgan Statt, investigador de salud y seguridad en ConsumerSafety.org.
“Pero hay una serie de fallas que existen dentro de la mamografía que deberían alentarnos a continuar mejorando las pruebas. Desde un punto de vista puramente económico, los resultados de la mamografía falso-positivos equivale a $ 4 mil millones en el gasto nacional cada año debido a pruebas adicionales y procedimientos invasivos ".
Además, las mamografías actuales no pueden detectar cánceres de intervalo de rápido desarrollo entre los exámenes de detección.
En conjunto, cada uno de estos problemas puede ser perjudicial para la salud física y emocional de un paciente.
"Junto con el impacto financiero de las pruebas de mamografía defectuosas está la agitación emocional que experimenta el paciente", dijo Statt.
“Las mujeres que han obtenido resultados falsos positivos pueden experimentar angustia y ansiedad psicológicas, mientras que las evaluaciones negativas falsas pueden provocar momentos de esperanza de corta duración. Estas dos razones por sí solas deberían alentar la mejora continua de los resultados de las mamografías ".
Cómo puede ayudar la IA
La IA se puede utilizar para mejorar la precisión de las mamografías al eliminar el error humano y aumentar la velocidad de las lecturas de la mamografía.
Dado que las lecturas inexactas son a menudo el resultado de una mala interpretación por parte del médico, los científicos han comenzado a utilizar tanto el aprendizaje automático como el aprendizaje profundo, un subconjunto de IA, para mejorar la precisión.
"Hasta ahora, la aplicación de la IA en la mamografía ha demostrado que puede mejorar la precisión de los exámenes de detección, ayudar a los médicos a diagnosticar a velocidades mucho más rápidas e incluso puede mejorar la eficiencia del flujo de trabajo dentro de la radiología para cada instalación", dijo Statt.
Evaluación de tejido denso
En un estudio reciente, los investigadores del MIT y del Hospital General de Massachusetts demostraron que su modelo de aprendizaje profundo puede utilizarse para evaluar el tejido mamario denso con la misma precisión que los expertos humanos.
El tejido denso del seno es un factor de riesgo para el cáncer de seno, por lo que los médicos en los estados de 30 de EE. UU. Están obligados por ley a informar a los pacientes cuyas mamografías identifican tejido denso.
Sin embargo, mientras más del 40 por ciento de las mujeres en los Estados Unidos tienen tejido mamario denso, las evaluaciones de la densidad mamaria pueden variar por una variedad de razones.
"La densidad mamaria es un factor de riesgo independiente que impulsa la forma en que nos comunicamos con las mujeres sobre su riesgo de cáncer", dijo en un comunicado Adam Yala, estudiante de doctorado en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y segundo autor del estudio.
"Nuestra motivación fue crear una herramienta precisa y coherente, que se pueda compartir y utilizar en todos los sistemas de atención médica".
Tanto en el entrenamiento como en las pruebas, el modelo aprendió a identificar cuatro categorías de densidad mamaria (grasa, dispersa, heterogénea y densa) de radiólogos expertos.
El modelo demostró ser tan confiable como los expertos humanos. Los investigadores encontraron, por ejemplo, que el modelo coincidía con las evaluaciones de los radiólogos MGH en más de mamografías 10,000 en el porcentaje de 94.
Los investigadores planean escalar su modelo para poder ponerlo a disposición de otros hospitales.
Distinguir diagnósticos malignos y benignos.
En otro estudio reciente, investigadores de la Universidad de Pittsburgh encontraron que su tecnología de aprendizaje profundo podría ayudar a los médicos identificar características matizadas de imágenes mamográficas en pruebas falsas positivas que pueden ayudarles a distinguir entre diagnósticos malignos y benignos.
Los científicos pudieron identificar características de imágenes únicas y difíciles de leer que pueden ayudar a los radiólogos a evaluar si una lectura es verdaderamente positiva o negativa.
"La inteligencia artificial, en particular las técnicas de aprendizaje profundo, proporciona un enfoque basado en datos para identificar posibles características de imágenes que pueden ser difíciles de evaluar / percibir visualmente por los radiólogos al leer las imágenes", dijo Shandong Wu, profesor asistente de radiología, informática biomédica y bioingeniería en la Universidad de Pittsburgh.
"Por lo tanto, con la IA y un gran conjunto de imágenes de mamografía de detección, proporciona un esquema importante para ayudar a resolver el problema".
Mamografías de interpretación
Los científicos del Instituto de Investigación Metodista de Houston han desarrollado un programa de inteligencia artificial que puede interprete las mamografías con 99 por ciento de precisión y 30 veces más rápido que un médico humano.
El equipo utilizó un software de IA para evaluar mamografías y reportes de patología de pacientes con 500. El software fue programado para escanear las gráficas de pacientes, recopilar características de diagnóstico y relacionar los hallazgos de la mamografía con un subtipo de cáncer de mama.
El programa tardó solo unas horas en completar todas las lecturas de los pacientes de 500. Una revisión manual de solo los gráficos 50 tomaría típicamente dos horas de médicos clínicos 50-70 para completarse.
Luego, los científicos utilizaron los resultados para predecir con precisión la probabilidad de diagnóstico de cáncer de mama de cada paciente.
Conclusión
El desarrollo de la IA para mamografías más precisas es crucial para la salud de las mujeres en todo el mundo.
"Creo que las aplicaciones de IA de las pruebas de mamografía deberían continuar desarrollándose para ayudar a los radiólogos a interpretar mejor estas exploraciones, aunque solo sea para impulsar nuestra continua interacción con los sistemas informáticos", dijo Statt.
