MARTES, 17 de octubre de 2017 (HealthDay News) -- Unas máquinas equipadas con inteligencia artificial (IA) podrían algún día ayudar a los médicos a identificar mejor las lesiones de mama de alto riesgo que podrían convertirse en cáncer, sugiere una nueva investigación.
Las lesiones de alto riesgo son células anómalas encontradas durante una biopsia de mama. Esas lesiones son difíciles para médicos y pacientes. Las células en esas lesiones no son normales, pero tampoco cancerosas. Y aunque pueden convertirse en cáncer, muchas no lo hacen. Entonces, ¿cuáles se deben extirpar?
"La decisión de si realizar o no la cirugía es difícil, y la tendencia es tratar esas lesiones de forma agresiva [y extirparlas]", comentó la autora del estudio, la Dra. Manisha Bahl.
"Pensamos que debía haber una mejor forma de estratificar el riesgo de esas lesiones", añadió Bahl, directora del programa de becas de imágenes del seno en el Hospital General de Massachusetts.
Trabajando de cerca con científicos informáticos del Instituto de Tecnología de Massachusetts, los investigadores desarrollaron un modelo de "aprendizaje de máquinas" para distinguir entre las lesiones de alto riesgo que se debían extirpar mediante cirugía de las que podían simplemente someterse a observación a lo largo del tiempo.
El aprendizaje de máquinas es un tipo de inteligencia artificial. El modelo computarizado aprende y mejora automáticamente basándose en experiencias previas, explicaron los investigadores.
Los investigadores dieron a la máquina mucha información sobre los factores de riesgo establecidos, como el tipo de lesión y la edad de la paciente. Los investigadores también la alimentaron con el texto en sí de los informes de biopsias. En total, se incluyeron 20,000 elementos de datos en el modelo, dijeron.
La prueba del modelo de aprendizaje de máquina incluyó información de poco más de 1,000 mujeres que tenían una lesión de alto riesgo. Se extirpó quirúrgicamente las lesiones de más o menos un 96 por ciento de las mujeres. No se extirparon las lesiones de aproximadamente un 4 por ciento de las mujeres, sino que recibieron dos años de pruebas de imágenes de seguimiento.
Se entrenó al modelo con dos tercios de los casos, y se evaluó en el tercio restante.
La prueba incluyó 335 lesiones. La máquina identificó correctamente 37 de 38 lesiones (un 97 por ciento) que se convirtieron en cáncer, según el estudio. El modelo también habría ayudado a las mujeres a evitar un tercio de las cirugías para lesiones que hubieran seguido siendo benignas durante el periodo de seguimiento.
Además, según Bahl, "el modelo detectó el texto del informe de la biopsia: las palabras gravemente y gravemente atípicas confirieron un riesgo más alto de que se convirtiera en cáncer".
Bahl dijo que los investigadores esperan incorporar imágenes de mamografías y láminas de patología en el modelo de aprendizaje de máquina, con el objetivo de al final incluir esto en la práctica clínica.
"El aprendizaje de máquina es una herramienta que podemos utilizar para mejorar la atención del paciente, ya sea al reducir las cirugías innecesarias o al poder ofrecer más información a los pacientes para que puedan tomar unas decisiones más informadas", señaló Bahl.
La Dr. Bonnie Litvack es directora médica del centro de imágenes de las mujeres en el Hospital de Northern Westchester en Mount Kisco, Nueva York.
"Las mujeres deben saber que hay un tipo nuevo de aprendizaje de máquinas que nos ayudó a identificar las lesiones de alto riesgo con un riesgo bajo de cáncer. Y quizá pronto tengamos más información para ellas cuando se enfrentan a la decisión de someterse o no a una cirugía para extirpar esas lesiones de alto riesgo", dijo Litvack, que no participó en el estudio.
"La inteligencia artificial es un campo emocionante que nos ayudará a dar a las mujeres más datos y ayudará con la toma de decisiones conjuntas", añadió Litvack.
El estudio se publicó el 17 de octubre en la revista Radiology.
Más información
Para más información sobre las afecciones benignas en los senos, visite la Sociedad Americana Contra El Cáncer (American Cancer Society).
© Derechos de autor 2017, HealthDay
