El sistema alcanzó niveles de precisión cercanos al 90% en la clasificación de densidad mamaria y fue desarrollado utilizando imágenes obtenidas en hospitales nacionales, una característica que sus autores consideran clave para adaptarlo a la realidad local.
Un sistema de inteligencia artificial desarrollado por investigadores chilenos logró clasificar la densidad mamaria con niveles de precisión cercanos al 90. Este resultado podría transformarlo en una herramienta de apoyo para la detección temprana del cáncer de mama, la principal causa de muerte por cáncer entre las mujeres del país.
La innovación fue realizada en la Universidad de Valparaíso y contó con la participación del actual investigador del Instituto de Tecnología para la Innovación en Salud y Bienestar (ITISB) de la Universidad Andrés Bello, Diego Mellado, quien trabajó en esta línea durante su doctorado en Ciencias de la Ingeniería para la Salud.
El proyecto surgió a partir de una inquietud. ¿Es posible construir sistemas de inteligencia artificial adaptados a las características de la población chilena utilizando información generada en el propio país?
Según explica Mellado, gran parte de las herramientas comerciales disponibles actualmente fueron entrenadas con imágenes obtenidas principalmente en Europa y Norteamérica.
«La mama chilena es diferente a la mama americana, a la mama europea o a la mama asiática», señala el investigador.
A partir de esa observación, el equipo decidió combinar bases de datos internacionales con información recolectada en hospitales públicos nacionales para evaluar si era posible construir modelos más cercanos a la realidad local.
La investigación utilizó inicialmente una base de datos proveniente de Vietnam con cerca de 5.000 exámenes mamográficos y otra base internacional integrada por aproximadamente 10.000 estudios obtenidos en Reino Unido, Estados Unidos y Australia. A ello se sumó una colección de alrededor de 8.500 exámenes obtenidos en hospitales chilenos.
Posteriormente, seis radiólogas evaluaron más de mil exámenes para clasificar distintos niveles de densidad mamaria. El consenso alcanzado por estas especialistas se utilizó como referencia para entrenar y validar los algoritmos desarrollados por el equipo.
El trabajo se concentró en uno de los principales problemas que enfrentan los especialistas al analizar mamografías. Las mamas densas contienen una mayor cantidad de tejido fibroglandular, lo que puede ocultar lesiones y dificultar la detección temprana de tumores.
«Una mama muy densa termina ocultando estos hallazgos y cuesta detectarlos», explica Mellado.
Para enfrentar esta situación, los investigadores desarrollaron modelos capaces de identificar automáticamente distintos niveles de densidad mamaria y detectar hallazgos como masas, microcalcificaciones y asimetrías presentes en las imágenes.
Los resultados mostraron que los modelos entrenados utilizando información chilena lograron desempeños superiores a aquellos construidos únicamente con bases de datos internacionales.
Según el investigador, los sistemas automáticos utilizados actualmente para clasificar densidad mamaria suelen reportar niveles de precisión del orden de 80% a 85%. En las pruebas realizadas por el equipo chileno, el algoritmo alcanzó aproximadamente un 90% de precisión al diferenciar entre mamas densas y no densas. Cuando se analizaron las cuatro categorías clínicas de densidad mamaria, el desempeño se situó entre 75% y 80%.
Mellado enfatiza que el objetivo del proyecto nunca ha sido reemplazar a los radiólogos.
«No me gusta hablar de que la máquina detecta más que el médico. Estos sistemas deben entenderse como herramientas de apoyo», afirma.
La propuesta es que las mamografías sean analizadas automáticamente una vez ingresadas al sistema informático del hospital y que la inteligencia artificial entregue una evaluación preliminar que pueda ser revisada posteriormente por el especialista.
El investigador considera que este tipo de herramientas podría resultar especialmente útil frente al aumento sostenido del número de exámenes y la necesidad de contar con más especialistas dedicados al diagnóstico por imágenes.
«También puede servir de apoyo para radiólogos que están comenzando o para centros donde el volumen de exámenes es muy alto», explica.
La tecnología alcanzó un nivel de madurez TRL 6 y ya fue transferida a la empresa Blue Medical para avanzar hacia su implementación práctica. El sistema fue diseñado para integrarse a las plataformas RIS-PACS utilizadas por hospitales y clínicas, de modo que pueda incorporarse al flujo habitual de trabajo sin requerir procesos adicionales por parte de los equipos médicos.
Aunque el proyecto se concentró en cáncer de mama, Mellado cree que la misma aproximación podría utilizarse en otras áreas de la medicina.
«Con las imágenes adecuadas y las anotaciones correctas, no debería haber problema en aplicar estas tecnologías a otros tipos de cáncer. Lo fundamental siguen siendo los datos», concluye. (Richard Garçia para Sandoval & Meirovich)
