Un grupo de investigadores del Instituto de Física Corpuscular (IFIC), centro mixto del
Consejo Superior de Investigaciones Científicas (CSIC) y la Universitat de València, y el
Instituto de Telecomunicaciones y Aplicaciones Multimedia (iTEAM), centro de
investigación de la Universitat Politècnica de València, ha sido seleccionado para la
fase final del Digital Mammography DREAM Challenge (DM Challenge), un proyecto
mundial impulsado por las principales instituciones de lucha contra el cáncer
americanas, IBM y Amazon, cuyo objetivo final es mejorar la detección de cáncer de
mama mediante la interpretación de la mamografía con técnicas de inteligencia
artificial.
En esta primera fase competitiva participaron más 1.200 investigadores de todo el
mundo repartidos en más de 120 equipos. El objetivo era identificar a los mejores
grupos para continuar en la fase colaborativa. Sólo ocho han pasado a la final
puntuando significativamente mejor que el resto, entre los que el equipo del IFIC
(CSIC-UV) y la UPV es el único representante español. El objetivo de los finalistas ahora
es construir un nuevo modelo, basado en avanzados algoritmos de predicción, que
ayude a los profesionales médicos en el diagnóstico de esta patología y a reducir el
número de falsos positivos, así como evitar la repetición de pruebas invasivas
innecesarias.
Según destaca Alberto Albiol, investigador del iTEAM, “actualmente, de cada 1.000
mujeres que se someten a una mamografía, 5 son diagnosticadas con cáncer. Pero 100
vuelven a ser citadas para someterse de nuevo a esta prueba, con lo que ello conlleva
para la paciente tanto de estrés como de radiación en su cuerpo”. En la primera fase
del desafío, los participantes completaron dos tareas: desarrollaron un primer algoritmo predictivo para analizar imágenes de mamografía digital y un segundo capaz
de analizar tanto imágenes de mamografía digital como información clínica adicional.
Es la primera vez que se accede a una colección de imágenes de esta magnitud con
fines científicos. Las imágenes (más de medio millón) están tomadas directamente de
los hospitales, con lo que los resultados serán más fácilmente trasladables a la práctica
clínica.
Algoritmo valenciano
El equipo de investigadores valencianos ha desarrollado desde cero un algoritmo de
predicción que presenta importantes ventajas para su uso en la práctica clínica,
ventajas que han resultado claves para ser seleccionados en la fase final de este
ambicioso proyecto. Para ello se basan 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 aplican
principios relativos a la interpretación de rayos X, donde el grupo dispone de varias
patentes.
Según destaca Francisco Albiol, investigador del IFIC, “este algoritmo permite detectar
lesiones de tipo maligno, y es el mejor sistema de prevención a gran escala de los que
se disponen en este tipo de dolencias. Una de las ventajas fundamentales es que este
tipo de desarrollos va a permitir un uso racional de equipamientos como mamógrafos,
donde el problema hoy día no es tanto la adquisición del equipamiento como la falta
de radiólogos expertos para extender las campañas de prevención a un rango mayor
de población”.
Al igual que el resto de participantes en la primera fase del desafío, los investigadores
del IFIC (CSIC-UV) y la UPV trabajaron con una base de datos de cientos de miles de
mamografías y datos de ensayos clínicos totalmente anónimos alojados en la nube y
aportados por Health Group y la Icahn School of Medicine Mount Sinai, en un claro
ejemplo de gestión de grandes volúmenes de datos o Big Data aplicado a la salud.
Igualmente, la Food and Drug Administration estadounidense (FDA) está siguiendo los
procedimientos realizados durante el reto para poder hacer que este tipo de técnicas
puedan ser aplicados a sistemas de salud.
En las pruebas desarrolladas en la primera fase del DM Challenge, el algoritmo de los
investigadores valencianos obtuvo una precisión predictiva del 80%, todavía inferior a
la de un radiólogo experto. Tras esta fase, los ocho equipos ganadores trabajan ahora
de forma colaborativa con un objetivo fundamental: desarrollar un algoritmo que
pueda igualar la exactitud en el diagnóstico de un radiólogo experto. A juicio de
Alberto Albiol, “el trabajo que estamos desarrollando en este reto mundial facilitará a
los médicos el diagnóstico y permitirá depurar la interpretación de las imágenes de las
mamografías”.
Los resultados de esta fase colaborativa final se publicarán en la revista Nature y, si el
algoritmo es capaz de reproducir el diagnóstico de un radiólogo experto, la organización repartirá el millón de dólares destinado a este reto entre los equipos
finalistas.
