Todavía hay dudas sobre cuándo y con qué frecuencia las mujeres deben hacerse mamografías para prevenir cáncer de seno? Los estudios muestran claramente que la detección puede conducir a un diagnóstico temprano de la enfermedad cuando es más curable.
Por esta razón, mejorar la eficacia de las mamografías capaces de detectar anomalías potencialmente cancerosas es una prioridad absoluta. Y ahí es donde entra en juego la IA de Google.
La inteligencia artificial podría jugar un papel crucial en este campo. El aprendizaje automático de la IA podría ayudar a los médicos a leer las mamografías con mayor precisión.
En un estudio publicado el 1 de enero en NatureLos investigadores de Google Health y de la Universidad de EE. UU. Y el Reino Unido ilustran un modelo de IA que lee mamografías con menos falsos positivos y falsos negativos que los expertos humanos.
El algoritmo, basado en mamografías tomadas de más de 76.000 mujeres en el Reino Unido y más de 15.000 en los EE. UU., Ha reducido las tasas de falsos positivos en casi un 6% en los EE. UU., Donde las mujeres se examinan cada 1 o 2 años. En el Reino Unido, donde las mujeres se someten a exámenes de detección cada tres años, la mejora fue "solo" del 1,2%.
El modelo de inteligencia artificial también redujo los falsos negativos en las mamografías en más del 9% en los EE. UU. Y en casi el 3% en el Reino Unido.
"Leer mamografías es una tarea perfecta para confiarla al aprendizaje automático y la inteligencia artificial", dice el dr. Mozziyar Etemadi, profesor investigador asistente de anestesia e ingeniería biomédica en la Universidad Northwestern, uno de los coautores del estudio.
“La inteligencia artificial sobresale cuando tiene que hacer lo mismo una y otra vez y tiene que encontrar lo único que podría aparecer una vez en 10.000. Pero, sinceramente, no esperaba que funcionara mucho mejor que los médicos. Me sorprendió."
Es una mejora con respecto a otros estudios menores sobre inteligencia artificial y mamografías.
En otro estudio, una máquina había golpeado a más de 101 radiólogos al leer los escaneos. Este reciente estudio es uno de los más estadísticamente significativos hasta la fecha dado su gran conjunto de datos y el hecho de que el modelo de inteligencia artificial ha superado a los médicos.
Una vez que el equipo se enteró de que se podía entrenar a la IA para leer mamografías de forma eficaz en los conjuntos de datos de los EE. UU. Y el Reino Unido, realizaron otra prueba. Entrenó el algoritmo con datos estadounidenses y luego lo aplicó a casos del Reino Unido y viceversa. Nuevamente, los resultados fueron mejores que los de los médicos. “Es alentador porque en las situaciones del mundo real en las que se emplean estos modelos, eso es exactamente lo que va a suceder. Se utilizará en poblaciones para las que no necesariamente haya sido capacitado "el dice Shravya Shetty, Gerente técnico de Google Health.
Más y más bien
Una ventaja de la plataforma de Google es su poder de procesamiento. A medida que la resolución de las imágenes mamográficas ha mejorado en los últimos años, se han vuelto tan llenas de datos que el ojo humano (incluso uno que pertenece a un radiólogo altamente calificado) puede no ser capaz de procesarlas por completo. La potencia informática de Google permitió que el algoritmo procesara casi todos los píxeles disponibles.
Para que un algoritmo de inteligencia artificial reconozca lesiones anormales en el tejido mamario, el modelo debe estar entrenado con una gran cantidad de imágenes mamográficas. Cuanto más tenemos, mejor.
Por ahora, los expertos ven (como debería ser) la IA como un apoyo para los radiólogos que leen imágenes de mamografías, más que como un sustituto.
Por ejemplo, los modelos de inteligencia artificial podrían realizar el primer paso de evaluaciones, dejando a los expertos, que tienen otra información valiosa, como los antecedentes familiares de cáncer de una mujer, la tarea de interpretar los casos más difíciles.
“La atención médica se ve reducida a medida que aumenta el número de pacientes y se reduce el tiempo que los médicos tienen que observar para evaluar a los pacientes. Por eso, herramientas como estas son lo que todo médico espera ", dice Etemadi.
