Inteligencia artificial para predecir el riesgo de cáncer de mama hasta 5 años antes

El auge de la Inteligencia Artificial (IA) está abriendo una serie de debates en cuanto a todo lo que puede aportar y lo que puede costar también, las ventajas y los inconvenientes de su uso en diferentes ámbitos. En lo que se refiere a la salud, sin embargo, son numerosos los trabajos e investigaciones que destacan sus ventajas.

Estudios recientes demostraban así que, por ejemplo, una breve prueba de habla espontánea con técnicas de inteligencia artificial podía ser capaz de distinguir el grado de evolución de la enfermedad de Alzheimer. También podría ayudar a predecir cuándo el cáncer resistirá a la quimioterapia, según otro estudio. Ahora, un equipo de investigadores revelaba haber desarrollado un nuevo modelo de inteligencia artificial que permitiría predecir el riesgo de cáncer de mama 5 años antes a partir de mamografías. 

Esta investigación, publicada en Radiology, una revista de la Sociedad Radiológica de América del Norte (RSNA), analizó AsymMirai, una mejora de Mirai, un algoritmo de última generación basado en el aprendizaje profundo que permite predecir el riesgo de cáncer de mama a corto plazo que, sin embargo, puede ser "excesivamente confiable" y llevar a "realizar diagnósticos incorrectos", según advertían los investigadores. 

AsymMirai consiste, en cambio, en "un modelo simplificado de aprendizaje profundo basado en disimilitud bilateral", explican los investigadores, que tenían como objetivo ver si podía "aproximarse al desempeño de Mirai en la predicción del riesgo de cáncer de mama de 1 a 5 años".

Para ello, los investigadores analizaron un total de 210.067 mamografías de 81.824 pacientes, que tenían una edad media de 59,4 años, pertenecientes al conjunto de datos de imágenes EMory BrEast, conocido como EMBED. 

AsymMirai ayudó así a "aproximar las predicciones de riesgo de cáncer de mama de 1 a 5 años de Mirai". Los investigadores compararon este modelo con las predicciones de riesgo de Mirai, descubriendo que "la disimilitud bilateral extraída del aprendizaje profundo produjo puntuaciones de riesgo similares a las de Mirai", logrando "un rendimiento similar al de Mirai", indican el estudio. 

Los investigadores concluyen así que "la disimilitud bilateral localizada, un marcador de imagen para el riesgo de cáncer de mama, se aproximó al poder predictivo de Mirai y fue clave para el razonamiento de Mirai. AsymMirai, un modelo simplificado de aprendizaje profundo basado en disimilitud bilateral, funcionó de manera similar al modelo de caja negra de última generación, Mirai, para la predicción del riesgo de cáncer de mama de 1 a 5 años. Esta observación concuerda con la importancia clínica de la asimetría y, como resultado, resalta el potencial de la disimilitud bilateral como un futuro marcador de imagen para el riesgo de cáncer de mama".