¿Podría la inteligencia artificial ser el futuro del diagnóstico de cáncer?
En un estudio reciente, los investigadores entrenaron un algoritmo para diferenciar entre lesiones malignas y benignas en escaneos de tejido mamario.
Con el cáncer, la clave para un tratamiento exitoso es detectarlo temprano.
En su forma actual, los médicos tienen acceso a imágenes de alta calidad y los radiólogos capacitados pueden detectar los signos reveladores de un crecimiento anormal.
Una vez identificado, el siguiente paso es que los médicos determinen si el crecimiento es benigno o maligno.
El método más confiable es tomar una biopsia, que es un procedimiento invasivo.
Incluso entonces, pueden ocurrir errores. Algunas personas reciben un diagnóstico de cáncer cuando no hay enfermedad, mientras que otras no reciben un diagnóstico cuando el cáncer está presente.
Ambos resultados causan angustia y la última situación puede causar retrasos en el tratamiento.
Los investigadores están interesados en mejorar el proceso de diagnóstico para evitar estos problemas. Detectar si una lesión es maligna o benigna de manera más confiable y sin la necesidad de una biopsia sería un cambio de juego.
Algunos científicos están investigando el potencial de la inteligencia artificial (IA). En un estudio reciente, los científicos entrenaron un algoritmo con resultados alentadores.
IA y elastografía
La elastografía por ultrasonido es una técnica de diagnóstico relativamente nueva que evalúa la rigidez del tejido mamario. Lo consigue haciendo vibrar el tejido, lo que crea una onda. Esta onda causa distorsión en la ecografía, resaltando áreas de la mama donde las propiedades difieren del tejido circundante.
A partir de esta información, un médico puede determinar si una lesión es cancerosa o benigna.
Aunque este método tiene un gran potencial, analizar los resultados de la elastografía requiere mucho tiempo, implica varios pasos y requiere la resolución de problemas complejos.
Recientemente, un grupo de investigadores de la Escuela de Ingeniería Viterbi de la Universidad del Sur de California en Los Ángeles preguntó si un algoritmo podría reducir los pasos necesarios para extraer información de estas imágenes. Publicaron sus resultados en la revista Métodos informáticos en mecánica e ingeniería aplicadas.
Los investigadores querían ver si podían entrenar un algoritmo para diferenciar entre lesiones malignas y benignas en las exploraciones mamarias. Curiosamente, intentaron lograr esto entrenando el algoritmo utilizando datos sintéticos en lugar de escaneos genuinos.
Datos sintéticos
Cuando se le preguntó por qué el equipo usó datos sintéticos, el autor principal, el profesor Assad Oberai, dice que todo se reduce a la disponibilidad de datos del mundo real. Explica que “en el caso de las imágenes médicas, tienes suerte si tienes 1.000 imágenes. En situaciones como esta, donde los datos son escasos, este tipo de técnicas se vuelven importantes ".
Los investigadores entrenaron su algoritmo de aprendizaje automático, al que se refieren como una red neuronal convolucional profunda, utilizando más de 12.000 imágenes sintéticas.
Al final del proceso, el algoritmo era 100% preciso en imágenes sintéticas; a continuación, pasaron a los escaneos de la vida real. Tenían acceso a solo 10 exploraciones: la mitad de las cuales mostraba lesiones malignas y la otra mitad mostraba lesiones benignas.
“Tuvimos una tasa de precisión del 80%. A continuación, continuamos perfeccionando el algoritmo utilizando más imágenes del mundo real como entradas ".
Prof. Assad Oberai
Aunque el 80% es bueno, no es lo suficientemente bueno; sin embargo, esto es solo el comienzo del proceso. Los autores creen que si hubieran entrenado el algoritmo con datos reales, podría haber mostrado una mayor precisión. Los investigadores también reconocen que su prueba fue a una escala demasiado pequeña para predecir las capacidades futuras del sistema.
El crecimiento de la IA
En los últimos años, ha habido un interés creciente en el uso de la IA en el diagnóstico. Como escribe un autor:
"La inteligencia artificial se está aplicando con éxito para el análisis de imágenes en radiología, patología y dermatología, con una velocidad de diagnóstico que supera y una precisión similar a la de los expertos médicos".
Sin embargo, el profesor Oberai no cree que la IA pueda reemplazar a un operador humano capacitado. Explica que “[e] l consenso general es que este tipo de algoritmos tienen un papel importante que desempeñar, incluso por parte de los profesionales de la imagen, a quienes afectará más. Sin embargo, estos algoritmos serán más útiles cuando no sirvan como cajas negras. ¿Qué vio que lo llevó a la conclusión final? El algoritmo debe ser explicable para que funcione según lo previsto ".
Los investigadores esperan poder ampliar su nuevo método para diagnosticar otros tipos de cáncer. Dondequiera que crezca un tumor, cambia el comportamiento físico de un tejido. Debería ser posible trazar estas diferencias y entrenar un algoritmo para detectarlas.
Sin embargo, debido a que cada tipo de cáncer interactúa con su entorno de manera tan diferente, un algoritmo deberá superar una variedad de problemas para cada tipo. El profesor Oberai ya está trabajando en tomografías computarizadas del cáncer renal para encontrar formas en que la IA pueda ayudar al diagnóstico allí.
Aunque estos son los primeros días para el uso de la IA en el diagnóstico del cáncer, hay grandes esperanzas para el futuro.
