Un modelo de IA basado en aprendizaje profundo y "entrenado" en miles de mamografías puede predecir el riesgo de tener cáncer de mama en los próximos 5 años y funciona mejor que cualquier otro modelo.
El nuevo modelo tiene "almacenados" los resultados de más de 90.000 mamografías y puede relacionarlos entre sí para identificar pequeñas señales que el ojo humano no ve.
El resultado es la capacidad de detectar el 31% de las personas con alto riesgo de desarrollar cáncer después de un corto período de tiempo. Si este porcentaje puede parecer bajo, es bueno recordar que los modelos actuales todavía están en 18%.
"Desde la década de 60, los radiólogos nos han demostrado que las mujeres tienen diferentes signos que las mamografías nos permiten comprender los riesgos de tener cáncer de mama", explica la coautora de la investigación, Constance Lehman. "Estas señales pueden representar la influencia de la genética, las hormonas, el embarazo, el peso ganado o perdido, la dieta, la lactancia. Ahora podemos leer todas estas señales con una precisión nunca antes alcanzada".
Todos iguales
Otro punto fuerte del nuevo modelo de IA es su precisión idéntica en todos los diferentes tipos de piel. Las herramientas de diagnóstico a menudo han mostrado debilidades en el hecho de que los datos utilizados provienen principalmente de sujetos de piel blanca: esto tiene la misma tasa de éxito en todos.
La investigación diagnóstica basada en inteligencia artificial está experimentando un verdadero auge: los modelos en el campo están aprendiendo a identificar mejor una amplia gama de enfermedades, desde el Alzheimer hasta el melanoma, pasando por la depresión infantil.
Con el tiempo, la cantidad de datos recopilados por las mamografías de nueva generación se cruzará cada vez más con modelos basados en el aprendizaje profundo, mejorando exponencialmente la capacidad de diagnosticar una neoplasia desde las primeras etapas de su desarrollo, a menudo incluso antes de que se pueda formar. .
En otras palabras, el futuro juega a nuestro favor.
La nueva investigación fue publicada en la revista Radiología.
