Calculan riesgo de cáncer de mama, a través de Inteligencia Artificial

CDMX febrero 2021. El cáncer de mama es el tumor maligno más frecuente entre las mujeres en el mundo. En México, representa la primera causa de muerte por cáncer.(1) En los últimos años, el número de muertes causadas por esta enfermedad ha aumentado de forma alarmante, principalmente, por el retraso en el inicio del tratamiento, ya sea por la tardanza en la búsqueda de atención médica luego de que una mujer presenta un posible síntoma de cáncer de mama, o por la demora en tener un diagnóstico definitivo (2).

Por ello, y en una búsqueda constante de innovación, el Hospital Houston Methodist está utilizando inteligencia artificial para crear una calculadora de riesgo de cáncer de mama más eficiente y precisa, llamada iBrisk.

La recomendación inicial es que las mujeres se realicen mamografías anuales a partir de los 40 años para tratar de detectar el cáncer en sus primeras etapas. Dado que las mamografías se están convirtiendo en un procedimiento estándar, el proceso conduce inevitablemente a la realización de más biopsias preventivas. 

Si bien hacer las biopsias preventivas de acuerdo con los resultados de las mamografías suenan como el curso de acción obvio, el Hospital Houston Methodist comparte que de cada 10,000 mujeres a las que se les realizó una biopsia, menos de dos serán positivas si se usa el estándar nacional. ¿El resultado de una biopsia negativa? Sólo pérdida de tiempo, recursos y dinero, así como estrés emocional para el paciente.

“No es sólo un desperdicio, cuando se realiza un procedimiento innecesario, sino que se está potencialmente dañando al paciente. Después de una biopsia negativa, los pacientes a menudo comienzan a mostrar respuestas emocionales como alta ansiedad y baja autoestima. A menudo especulan que las biopsias son incorrectas o que su médico les dio un mal diagnóstico,” explicó el Dr. Stephen Wong, ingeniero biomédico e investigador del Hospital Houston Methodist.

Encabezando el desarrollo de la herramienta iBrisk, el Dr. Wong ha encontrado una manera de utilizar un modelo más inteligente que el sistema actual para detectar el riesgo real de cáncer de mama.

Los hospitales de Estados Unidos y muchos en el mundo utilizan actualmente la puntuación del Sistema de Base de Datos e Informes de Imágenes de Mama (BI-RADS por sus siglas en inglés), un sistema creado por el Colegio Estadounidense de Radiología para determinar el riesgo de cáncer de mama y la toma de decisiones de biopsia. Para ampliar los datos de la escala de BI-RADS, el Dr. Wong utilizó varios puntos de datos de pacientes y tecnología de inteligencia artificial para crear un sistema mejorado. 

El iBrisk integra el procesamiento del lenguaje natural, el análisis de imágenes médicas y el aprendizaje profundo en datos de pacientes BI-RADS multimodales, para emitir una de tres opciones: biopsia no recomendada, considerar biopsia o biopsia recomendada.
“Mientras usamos inteligencia artificial, tratamos de simular cómo piensa el médico, el cual analiza diferentes datos: imágenes, datos clínicos del paciente, demográficos, antecedentes y otros factores sociales. Nunca depende de solo un factor en particular,” explicó el Dr. Wong.

Para crear iBrisk, el Dr. Wong y su equipo utilizaron  datos BI-RAD de 14 años en el Hospital Houston Methodist para entrenar y probar el modelo de IA mediante el aprendizaje profundo.

iBrisk implementa algoritmos de visión por computadora para extraer características de mamografías e imágenes de ultrasonido, así como un aprendizaje profundo, tácticas de aprendizaje automático en la que las redes neuronales artificiales, las cuales están inspiradas en el cerebro humano, aprenden de una gran cantidad de imágenes de mama y datos clínicos.

Por ahora, se usa en cáncer de mama, pero expertos del Hospital Houston Methodist planean expandir el modelo iBrisk a otras formas de cáncer en el futuro, incluida su próxima aventura en cáncer de tiroides y diagnóstico de nódulos pulmonares.

Fuentes:
1- https://www.insp.mx/images/stories/2017/Avisos/docs/170215_Libro_30aniv.pdf
2- http://saludpublica.mx/index.php/spm/article/view/7793