{vembed Y = urJ7QEdhP_U}
Una herramienta de inteligencia artificial, capacitada en aproximadamente un millón de imágenes de mamografía de detección, puede identificar el cáncer de seno con aproximadamente un 90% de precisión cuando se combina con el análisis del radiólogo, según un nuevo estudio.
El estudio examinó la capacidad de un tipo de inteligencia artificial (IA), un programa informático de aprendizaje automático, para agregar valor a los diagnósticos a los que llegó un grupo de 14 radiólogos cuando revisaron 720 mamografía imágenes.
"El objetivo final de nuestro trabajo es aumentar, no reemplazar, a los radiólogos humanos".
"Nuestro estudio encontró que la IA identificó patrones relacionados con el cáncer en los datos que los radiólogos no pudieron, y viceversa", dice el autor principal del estudio Krzysztof Geras, profesor asistente en el departamento de radiología de la Facultad de Medicina Grossman de la Universidad de Nueva York.
"La IA detectó cambios a nivel de píxel en el tejido invisible para el ojo humano, mientras que los humanos utilizaron formas de razonamiento que no están disponibles para la IA", agrega Geras, también miembro afiliado de la facultad en el Centro de Ciencia de Datos. "El objetivo final de nuestro trabajo es aumentar, no reemplazar, a los radiólogos humanos".
En 2014, las mujeres (sin síntomas) en los Estados Unidos se hicieron más de 39 millones de exámenes de mamografía para detectar el cáncer de seno y determinar la necesidad de un seguimiento más cercano. Las mujeres cuyos resultados de la prueba arrojan resultados anormales de la mamografía son derivadas para biopsia, un procedimiento que extrae una pequeña muestra de tejido mamario para pruebas de laboratorio.
La herramienta de IA aprendió a predecir qué lesiones eran probablemente malignas (mapa de calor rojo) o probablemente benignas (mapa de calor verde), con el potencial de ayudar a los radiólogos en el diagnóstico de cáncer de seno. (Crédito: NYU School of Medicine)
En el nuevo estudio, el equipo de investigación diseñó técnicas estadísticas que permiten a su programa "aprender" cómo mejorar en una tarea sin que se les diga exactamente cómo. Dichos programas crean modelos matemáticos que permiten la toma de decisiones basadas en ejemplos de datos que se les suministran, y el programa se vuelve "más inteligente" a medida que revisa más y más datos.
Los enfoques modernos de IA, que se inspiran en el cerebro humano, usan circuitos complejos para procesar información en capas, con cada paso alimentando la información al siguiente, y asignando más o menos importancia a cada pieza de información en el camino.
Los autores del estudio actual entrenaron su herramienta de IA en muchas imágenes combinadas con los resultados de biopsias realizadas en el pasado. Su objetivo era habilitar la herramienta para ayudar a los radiólogos a reducir la cantidad de biopsias necesarias para avanzar. Esto solo se puede lograr, dice Geras, al aumentar la confianza que los médicos tienen en la precisión de las evaluaciones realizadas para los exámenes de detección (por ejemplo, reducir falso positivo y resultados falsos negativos).
Para el estudio actual, el equipo de investigación analizó las imágenes recopiladas como parte de la atención clínica de rutina durante siete años, analizando los datos recopilados y conectando las imágenes con los resultados de la biopsia. Este esfuerzo creó un conjunto de datos extraordinariamente grande para que su herramienta de IA se capacite, dicen los autores, que consta de 229,426 exámenes de mamografía de detección digital y 1,001,093 imágenes. La mayoría de las bases de datos que los investigadores usaron en los estudios hasta la fecha se han limitado a 10,000 imágenes o menos.
Por lo tanto, los investigadores entrenaron su red neuronal al programarla para analizar imágenes de la base de datos para las que ya se habían determinado los diagnósticos de cáncer. Esto significaba que los investigadores sabían la "verdad" para cada imagen de mamografía (cáncer o no) mientras probaban la precisión de la herramienta, mientras que la herramienta tenía que adivinar. Los investigadores midieron la precisión en la frecuencia de las predicciones correctas.
Además, los investigadores diseñaron el modelo de IA del estudio para considerar primero parches muy pequeños de la imagen de resolución completa por separado para crear un mapa de calor, una imagen estadística de la probabilidad de enfermedad. Luego, el programa considera todo el seno para las características estructurales relacionadas con el cáncer, prestando más atención a las áreas marcadas en el mapa de calor a nivel de píxel.
En lugar de que los investigadores identifiquen las características de imagen para que su IA las busque, la herramienta está descubriendo por sí misma qué características de imagen aumentan la precisión de la predicción. En el futuro, el equipo planea aumentar aún más esta precisión entrenando al programa de IA en más datos, tal vez incluso identificando cambios en el tejido mamario que aún no son cancerosos pero que tienen el potencial de serlo.
"La transición al soporte de IA en radiología de diagnóstico debe proceder como la adopción de automóviles autónomos: lenta y cuidadosamente, generando confianza y mejorando los sistemas en el camino con un enfoque en la seguridad", dice el primer autor Nan Wu, candidato a doctorado en El Centro de Ciencia de Datos.
El estudio aparece en Transacciones de IEEE en imágenes médicas.
Sobre la autora
El autor principal del estudio, Krzysztof Geras, es profesor asistente en el departamento de radiología de la Facultad de Medicina Grossman de la Universidad de Nueva York.
Otros coautores son de NYU, SUNY Downstate College of Medicine, la Universidad de Cambridge y la Universidad Jagiellonian.
El apoyo para el trabajo provino, en parte, de los Institutos Nacionales de Salud. El modelo utilizado en este estudio se ha puesto a disposición del campo para impulsar la innovación.
Libros relacionados:
El cuerpo lleva la cuenta: cerebro, mente y cuerpo en la curación del trauma
por Bessel van der Kolk
Este libro explora las conexiones entre el trauma y la salud física y mental, y ofrece ideas y estrategias para la curación y la recuperación.
Haga clic para obtener más información o para ordenar
Aliento: la nueva ciencia de un arte perdido
por James Nestor
Este libro explora la ciencia y la práctica de la respiración, y ofrece ideas y técnicas para mejorar la salud física y mental.
Haga clic para obtener más información o para ordenar
La paradoja de las plantas: los peligros ocultos en los alimentos "saludables" que causan enfermedades y aumento de peso
por Steven R. Gundry
Este libro explora los vínculos entre la dieta, la salud y la enfermedad, y ofrece ideas y estrategias para mejorar la salud y el bienestar en general.
Haga clic para obtener más información o para ordenar
El código de inmunidad: el nuevo paradigma para la salud real y el antienvejecimiento radical
por Joel Greene
Este libro ofrece una nueva perspectiva sobre la salud y la inmunidad, basándose en los principios de la epigenética y ofreciendo conocimientos y estrategias para optimizar la salud y el envejecimiento.
Haga clic para obtener más información o para ordenar
La guía completa para el ayuno: sana tu cuerpo a través del ayuno intermitente, en días alternos y prolongado
por el Dr. Jason Fung y Jimmy Moore
Este libro explora la ciencia y la práctica del ayuno y ofrece ideas y estrategias para mejorar la salud y el bienestar en general.
