El estudio se basa en los resultados obtenidos en el Digital Mammography (DM) DREAM Challenge, una competición internacional liderada por IBM donde participaron investigadores del Instituto de Física Corpuscular (IFIC, CSIC-UV) junto a científicos del Instituto de Telecomunicaciones y Aplicaciones Multimedia (iTEAM) de la UPV.
El equipo de investigadores del IFIC y el iTEAM UPV fue el único grupo español que consiguió llegar a la final del reto. Para ello desarrollaron desde cero un algoritmo de predicción basado 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.
También aplicaron principios relativos a la interpretación de rayos X, donde el grupo dispone de varias patentes. Los resultados del equipo valenciano junto al resto de finalistas son los que ahora se publican en Journal of the American Medical Association (JAMA Network Open).
"Diseñar estrategias para reducir costes operacionales de la sanidad es uno de los objetivos de aplicar de forma sostenible la Inteligencia Artificial", destaca Francisco Albiol, investigador del IFIC participante en el estudio. "Los retos abarcan desde la parte algorítmica a diseñar conjuntamente estrategias basadas en evidencias junto con el sector médico. La Inteligencia Artificial aplicada a gran escala es una de las tecnologías más prometedoras para hacer la sanidad sostenible", remarca.
El Digital Mammography (DM) DREAM Challenge tiene como objetivo involucrar a una amplia comunidad científica internacional (más de 1.200 investigadores de todo el mundo) para evaluar si los algoritmos de la Inteligencia Artificial pueden igualar o mejorar las interpretaciones de las mamografías realizadas por radiólogos.
Dirigido por IBM Research, Sage Bionetworks y Kaiser Permanente Washington Research Institute, el Digital Mammography DREAM Challenge concluyó que, aunque ningún algoritmo por sí solo superó a los radiólogos, una combinación de métodos sumada a las evaluaciones de los expertos mejoraban la precisión de los exámenes. Kaiser Permanente Washington (KPW) y el Karolinska Institute (KI) de Suecia proporcionaron cientos de miles de mamografías y datos clínicos sin identificar.
Para asegurar la privacidad de los datos y evitar que los participantes descargasen mamografías con datos sensibles, los organizadores del estudio aplicaron un sistema de trabajo desde el modelo a los datos. En él los participantes enviaban sus algoritmos a los organizadores, que desarrollaron un sistema que los aplicaba directamente a los datos.
Las mamografías son la técnica de diagnóstico más usada para la detección temprana del cáncer de mama. Aunque esta herramienta de detección es por lo común efectiva, las mamografías deben ser evaluadas e interpretadas por un radiólogo, que usa su percepción visual humana para identificar signos del cáncer. Así, se estima un 10% de 'falsos positivos' en las 40 millones de mujeres que se someten a mamografías programadas cada año en Estados Unidos.
Fuente: AAAS
