Una IA supera a los humanos en la detección de tumores de mama

In English

Por
Reportera de HealthDay

VIERNES, 3 de enero de 2020 (HealthDay News) -- Se puede entrenar a las máquinas para que superen a los humanos en la detección de los tumores de mama en las mamografías, sugiere un estudio reciente.

Investigadores de Google y varias universidades están trabajando en un modelo de inteligencia artificial (IA) que busca mejorar la precisión de las mamografías de detección. En la edición del 1 de enero de la revista Nature, describen sus resultados iniciales: parece que las computadoras pueden superar a los radiólogos, tanto en la detección de los tumores mamarios como en la evitación de las falsas alarmas.

En comparación con los resultados de las mamografías recolectados en la práctica de rutina, el modelo computarizado redujo los falsos positivos en un 1.2 por ciento (en tres hospitales de Reino Unido) y en un 5.7 por ciento (en un centro de EE. UU.). "Falso positivo" se refiere a una mamografía que se considera anómala, aunque no haya un cáncer.

"Esto significa que podríamos, potencialmente, provocar menos angustia a las pacientes", señaló un investigador, el Dr. Mozziyar Etemadi, profesor asistente de la Facultad de Medicina de la Universidad del Noroeste, en Chicago.

La inteligencia artificial también superó a los humanos respecto a los falsos negativos, en que una mamografía se interpreta como normal a pesar de la presencia de un tumor. El algoritmo redujo esos casos en un 2.7 por ciento en Reino Unido, y en un 9.4 por ciento en Estados Unidos.

Etemadi afirmó que los hallazgos son "emocionantes", pero también enfatizó que la investigación sobre el uso de la IA en la medicina "todavía está en su infancia".

Aún le falta mucho para reemplazar a los humanos. En vez de ello, explicó Etemadi, la IA se considera como una "herramienta" para fomentar la eficiencia y precisión de los médicos.

Por ejemplo, dijo que la IA se podría usar para "reorganizar la lista", de manera que en lugar de analizar las mamografías según su orden de llegada, se pudieran marcar los hallazgos sospechosos de ciertas imágenes para que los radiólogos prioricen su revisión.

Las mamografías pueden detectar el cáncer de mama en sus etapas más tempranas, pero no son perfectas. Según la Sociedad Americana Contra El Cáncer (American Cancer Society), pasan por alto alrededor de un 20 por ciento de los cánceres. Y si una mujer se hace una mamografía cada año durante 10 años, tiene alrededor de un 50 por ciento de probabilidades de recibir un falso positivo en algún momento.

El nuevo estudio, financiado por Google, es el más reciente en explorar si la IA puede ayudar a detectar el cáncer.

En general, funciona así: los investigadores desarrollan un algoritmo utilizando el "aprendizaje profundo", en que un sistema computarizado imita a las redes neurales del cerebro. Se expone a un gran número de imágenes (por ejemplo, de mamografías digitales) y se enseña a sí mismo a reconocer las características clave, como las señales de un tumor.

Otros estudios han sugerido que una IA puede superar a los humanos en el diagnóstico de ciertos cánceres. Uno encontró que las computadoras superaban a los dermatólogos para distinguir unos lunares inocuos de un cáncer de piel tipo melanoma. Otro encontró que la IA era típicamente mejor que los patólogos para encontrar a las células de tumores de mama en muestras de ganglios linfáticos.

Este nuevo modelo de IA se "entrenó" al exponerlo a las mamografías de más de 90,000 mujeres cuyos resultados eran conocidos. Entonces, los investigadores evaluaron el modelo con un grupo distinto de datos, de las mamografías de más de 25,000 mujeres de Reino Unido y más de 3,000 mujeres de EE. UU.

En general, el modelo redujo los resultados falsos positivos y falsos negativos. La mejora fue mayor en Estados Unidos. Aunque no se sabe exactamente por qué, Etemadi apuntó a un motivo potencial: en Reino Unido, el estándar es que dos radiólogos analicen una mamografía, lo que en general mejora la precisión.

Pero aunque el modelo de IA tuvo un buen rendimiento en su "ambiente controlado", todavía está por verse cómo funcionará en el mundo real, comentó la Dra. Stamatia Destounis, vocera de la Sociedad Radiológica de América del Norte (Radiological Society of North America) y profesora clínica de ciencias de las imágenes de la Universidad de Rochester, en Nueva York.

"Se necesitan estudios clínicos en la práctica cotidiana real para ver si se pueden reproducir estos hallazgos", dijo Destounis.

Incluso en este ambiente controlado, el modelo de IA no fue infalible. No detectó todos los cánceres, ni eliminó los falsos positivos. Y a veces resultó inferior a los humanos.

En un experimento distinto, los investigadores hicieron una competencia entre el modelo de IA y seis radiólogos de EE. UU. En general, la computadora fue mejor, pero hubo casos en que los médicos vieron correctamente un tumor que la máquina había pasado por alto.

¿Qué pasó por alto el modelo de IA? ¿Y qué vio que los médicos no vieron? Nadie lo sabe, apuntó Etemadi.

"En este momento, solo podemos observar patrones", comentó. "Pero no sabemos el motivo".

Pero, añadió, todo sugiere que las fuerzas combinadas de los humanos y las máquinas serían mejor que cada una por su lado.

Para Destounis, la idea de una nueva herramienta para ayudar a detectar el cáncer de mama es "emocionante".

"Me siento optimista respecto a que la IA será otra herramienta en nuestra práctica clínica para ayudar a los radiólogos a identificar el cáncer de mama lo antes posible, cuando el tumor tiene el tamaño más pequeño y el tratamiento es menos invasivo", planteó.

Más información

La Sociedad Americana Contra El Cáncer ofrece más información sobre la mamografía.


Artículo por HealthDay, traducido por HolaDoctor.com

© Derechos de autor 2020, HealthDay

FUENTES: Mozziyar Etemadi, M.D., Ph.D., research assistant professor, anesthesiology, Northwestern University Feinberg School of Medicine, and member, Robert H. Lurie Comprehensive Cancer Center of Northwestern University, Chicago; Stamatia Destounis, M.D., spokesperson, Radiological Society of North America, Oak Brook, Ill., and clinical professor, imaging sciences, University of Rochester, Rochester, N.Y.; Jan. 1, 2020, Nature, online

Last Updated: