Noticias

Un equipo de investigadores del Instituto de Telecomunicaciones y Aplicaciones Multimedia de la Universitat Politècnica de València (iTEAM-UPV) y el Instituto de Física Corpuscular (IFIC, centro mixto de la Universitat de València y el Consejo Superior de Investigaciones Científicas), ha sido seleccionado para la fase final del Digital Mammography DREAM Challenge (DM Challenge), un proyecto internacional impulsado por las principales instituciones estadounidenses de lucha contra el cáncer, IBM y Amazon, que tiene por objetivo mejorar la detección de cáncer de mama mediante la interpretación de la mamografía con técnicas de inteligencia artificial.

A partir de este estudio, se pretende, a su vez, reducir el número falsos positivos, de modo que pueda evitarse la repetición de mamografías u otras pruebas invasivas innecesarias.

Ocho finalistas

En la primera fase de DM Challenge participaron alrededor de 1.200 investigadores de todo el mundo, repartidos en más de 120 equipos. El objetivo era identificar a los mejores grupos para continuar en la fase colaborativa.

Por ello, solo ocho han pasado a la final puntuando significativamente mejor que el resto. Entre los seleccionados, el equipo de la UPV-IFIC es el único representante español. Ahora, los finalistas deben construir un nuevo modelo, basado en avanzados algoritmos de predicción, que ayude a los profesionales médicos en el diagnóstico de esta patología.

El 10% de mamografías, repetidas innecesariamente

Alberto Albiol, investigador del iTEAM-UPV, señala que, «actualmente, de cada mil mujeres que se someten a una mamografía, cinco son diagnosticadas con cáncer. Sin embargo, cien de ellas vuelven a ser citadas para someterse de nuevo a esta prueba, con lo que ello conlleva para la paciente tanto a nivel de estrés como de radiación en su cuerpo». Evitarlo es el objetivo de los investigadores.

Doble tarea en la primera fase del desafío

En la primera fase del desafío, los participantes completaron dos tareas. Por un lado, desarrollaron un primer algoritmo predictivo para analizar imágenes de mamografía digital y, por otro, un segundo algoritmo capaz de analizar tanto imágenes de mamografía digital como información clínica adicional.

Se trata de la primera vez que se accede a una colección de imágenes de esta magnitud con fines científicos. Las imágenes, más de medio millón, están tomadas directamente de los hospitales, con lo que los resultados serán más fácilmente trasladables a la práctica clínica.

El mejor sistema de prevención a gran escala

Por su parte, el equipo de investigadores valencianos ha desarrollado desde cero un algoritmo de predicción que presenta importantes ventajas para su uso en la práctica clínica, lo que ha resultado clave para su selección en la fase final de este ambicioso proyecto.

Su proyecto se base en redes neuronales convolucionales, una técnica de inteligencia artificial que simula las neuronas de la corteza visual y permite la clasificación de imágenes, además del autoaprendizaje del sistema. Así mismo, aplica también principios relativos a la interpretación de rayos X, donde el grupo dispone de varias patentes.

En este aspecto, Francisco Albiol, investigador del IFIC, destaca que «el algoritmo permite detectar lesiones de tipo maligno, y es el mejor sistema de prevención a gran escala del que se dispone en este tipo de dolencias. Una de sus ventajas fundamentales es que este tipo de desarrollos va a permitir un uso racional de equipamientos como los mamógrafos, donde el problema, hoy en día, no es tanto la adquisición del equipamiento como la falta de radiólogos expertos para extender las campañas de prevención a un rango mayor de población».

Cientos de miles de mamografías

Del mismo modo que el resto de participantes en la primera fase del desafío, los investigadores de la UPV y el IFIC trabajaron con una base de datos de cientos de miles de mamografías y datos de ensayos clínicos totalmente anónimos, alojados en la nube y aportados por Health Group y la Icahn School of Medicine Mount Sinai, en un claro ejemplo de gestión de big data en el ámbito de la salud.

No en vano, la Food and Drug Administration estadounidense (FDA) está siguiendo los procedimientos realizados durante el reto para poder aplicar este tipo de técnicas a sistemas de salud.

Una precisión predictiva del 80%

En las pruebas desarrolladas en la primera fase del DM Challenge, el algoritmo de los investigadores valencianos obtuvo una precisión predictiva del 80%, todavía inferior, no obstante, a la de un radiólogo experto.

Una vez superada la primera fase, los ocho equipos ganadores trabajan de forma colaborativa con un objetivo fundamental: desarrollar un algoritmo que pueda igualar la exactitud en el diagnóstico de un radiólogo experto. «El trabajo que estamos desarrollando en este reto mundial», concluye Alberto Albiol, «facilitará a los médicos el diagnóstico y permitirá depurar la interpretación de las imágenes de las mamografías».

Los resultados de esta fase colaborativa final se publicarán en Nature y, si el algoritmo es capaz de reproducir el diagnóstico de un radiólogo experto, la organización repartirá el millón de dólares destinado a este reto entre los equipos finalistas.