Descubren que el empleo de la inteligencia artificial podría agilizar la evaluación clínica del cáncer de mama.

Afrontar el cáncer de mama es todo un reto. Así se ha puesto de manifiesto en el BreastPathQ Challenge en el que han participado 12 países diferentes. Los investigadores que han participado en este reto han investigado sobre la potencialidad de utilizar la inteligencia artificial para buscar una cura a esta enfermedad.

El cáncer de mama ha superado recientemente al cáncer de pulmón para convertirse en el cáncer más común a nivel mundial, según la Organización Mundial de la Salud. Avanzando en la lucha contra el cáncer de mama, el BreastPathQ Challenge se lanzó para apoyar el desarrollo del diagnóstico asistido por computadora para evaluar la patología del cáncer de mama.

A los participantes del BreastPathQ Challenge se les asignó la tarea de desarrollar un método automatizado para analizar imágenes microscópicas de tejido mamario y clasificarlas según el contenido de células tumorales, para proporcionar una puntuación de evaluación confiable. Como se informó en el Journal of Medical Imaging (JMI) de SPIE, el desafío produjo resultados alentadores que indican un camino hacia la integración de la inteligencia artificial (IA) para agilizar la evaluación clínica del cáncer de mama.

Imágenes médicas

El tratamiento para los cánceres de mama grandes o agresivos a menudo se ha convertido en la mastectomía como la terapia más confiable. Sin embargo, la terapia conocida como «tratamiento neoadyuvante» puede reducir el tamaño, la densidad y la diseminación del tumor, lo que hace que las pacientes sean candidatas para una cirugía de conservación de la mama en lugar de una mastectomía.

Las imágenes médicas permiten a los médicos evaluar los efectos del tratamiento neoadyuvante. Si bien los procesos de análisis de imágenes médicas para la detección del cáncer generalmente se realizan de forma manual y se basan en la interpretación de expertos de estructuras tisulares complejas, los algoritmos de aprendizaje automático para identificar el cáncer pueden aumentar la confiabilidad y la eficiencia de esos procesos. Además de reducir la variabilidad, que es inherente a los patólogos humanos, se espera que métodos totalmente automatizados como estos aumenten la velocidad del análisis de imágenes.