También elInteligencia artificial contra el cáncer de mama: un nuevo modelo de IA desarrollado por Microsoft En colaboración con elUniversidad de Washington (EE. UU.) Y otras instituciones internacionales, demostraron ser capaces de diagnosticarlo con uno La precisión nunca antes alcanzó.
La investigación, dirigida porAi para un buen laboratorio De Microsoftevaluado si la inteligencia artificial podría ayudarlo a aclararlo, más preciso y confiable. detección de cáncer de mamauna enfermedad que todavía afecta a muchas personas, permaneciendo el El tumor más común entre las mujeres de todo el mundo.
Cáncer de seno y desafíos de hoy
Según la Asociación Italiana de Oncología Médica (AIOM) En las mujeres, de hecho, el 59.3% de todos los tumores nuevos programados para 2024 consistieron en 5 tipos más frecuentes, de los cuales el primero sigue siendo el pecho con 53,060 casos (seguido de colorrectal con 21,230 casos, pulmón con 12,940, endometrio con 8,650 y tiroides con 8,320 casos).
Pero, y esta es una excelente noticia, aumenta continuamente el Supervivencia a los cinco años del diagnóstico, que, Según lo informado por la Asociación Italiana de Investigación del Cáncer (AIRC)es 88%, uno de los porcentajes más altos registrados en tumores malignos.
En Italia, como en muchos países europeos, están planeados programas de cribadoGRATIS en el grupo de edad se consideró más en riesgo (50-69 años), pero aún se recomienda a todas las mujeres, especialmente después de 40 años.
Estos consisten en uno Mamografía anualincluso en ausencia de factores de riesgo (como un diagnóstico de cáncer de seno en un pariente muy cercano como una madre o una hermana), uno a menudo asociado con una ‘ultrasonido de seno.
Detección tiene La mortalidad se redujo significativamente Debido a la patología, gracias al aumento de los diagnósticos tempranos, revelando la herramienta clave para combatir esta plaga.
Sin embargo, en senos muy densos, el cáncer puede escapar de la detección, y la condición es en sí misma una Factor de riesgo de cáncer de mamatanto que, en caso de duda, a menudo el Imágenes de resonancia magnéticauna técnica mucho más sensible. Tan sensible, sin embargo, para presentar muchos unos pocos Falso positivocon un aumento significativo en la ansiedad para pacientes innecesarios y biopsias.
Inteligencia artificial en la lucha contra el cáncer de mama
En 2023, uno investigación Propuso un nuevo método para predecir si el cáncer de mama podría propagarse a otras partes del cuerpo, y la técnica se basó precisamente en la IA.
El modelo de IA propuesto hoy, llamado FCDD (Descripción de datos totalmente convolucionales), demostrado ser capaz de Identificar anomalías en resonancias magnéticas. En la práctica, en lugar de tratar de aprender la apariencia de cada tumor posible, el modelo aprende la aparición de escaneos de senos normales e informa cualquier anomalía.
Este enfoque es Particularmente efectivo en contextos de detección reales – Explique los investigadores, donde el tumor es raro y las anomalías son muy variadas. En un conjunto de datos de más de 9,700 pruebas de resonancia magnética mama, el modelo se ha probado en escenarios de prevalencia altas y bajas, incluidas las poblaciones de detección realistas en las que solo el 1.85% de los escaneos tenían un tumor.
FCDD ha excedido los modelos tradicionales de IA en la identificación de neoplasias, reduciendo drásticamente los falsos positivos. En contextos similares a la detección, en su lugar alcanzó el doble de valor predictivo positivo de los modelos estándar y tiene Falsas reducidas de más del 25%.
(…) A diferencia de la mayoría de los modelos de inteligencia artificial, escribe Microsoft – FCDD no se limita a proporcionar un “sí” o un “no”, pero genera mapas de calor que resalta visualmente la posición sospechosa del tumor en la proyección de dos dimensiones de la resonancia magnética. Estos mapas explicativos han confirmado las anotaciones retrospectivas de radiólogos expertos con uno precisión del 92% (AUC Pixel para Pixel), superando a otros modelos
Además, el aspecto fundamental para cada herramienta científica: el modelo ha mantenido un alto rendimiento sin la necesidad de volver a capacitar, tanto en un conjunto de datos externo disponible para el público como en un interior independiente, lo que sugiere un fuerte potencial para una adopción clínica más amplia.
Este modelo es más que un simple resultado técnico. Representa un paso adelante hacia el uso de la inteligencia artificial en los flujos de trabajo clínico, brindando apoyo para el triaje, reduciendo el tiempo dedicado a los casos normales y concentrar la atención de los radiólogos donde es más importante. Al mejorar la especificidad con umbrales de alta sensibilidad (95-97%), el modelo podría ayudar a reducir las llamadas y biopsias innecesarias, criando la carga emocional y financiera de los pacientes
Pero aún no ha terminado, todavía hay mucho trabajo por hacer: como los investigadores especifican, de hecho, el modelo debe ser probado prospectivamente en poblaciones clínicas más amplias y diversas.
Somos muy optimistas sobre el potencial de este nuevo modelo de inteligencia artificial, no solo por su mayor precisión en comparación con otros modelos en la identificación de las regiones cancerosas, sino también por su capacidad de hacerlo utilizando solo una cantidad mínima de datos de imágenes de cada examen, concluye el autor de los modernos de Savannah, es importante que se contrata a esta herramienta de inteligencia artificial, se puede aplicar a los testimonio de magnitud de magnitud de magnitud de magnitud, con el contrato de contrato, con el contrato de contrato, con la que se puede aplicar esta herramienta de inteligencia artificial a los testimaciones de magnitud de magnitud abreviadas de los resultados de los resultados magnéticos de la magnitud. así como para completar los protocolos de diagnóstico, lo que también podría ayudar a reducir los tiempos de escaneo y los tiempos de interpretación. Estamos entusiasmados de asumir los próximos pasos para evaluar su utilidad en la mejora del rendimiento de los radiólogos y los flujos de trabajo clínico
El código y la metodología se han hecho accesibles para la comunidad de investigación, disponible para esto enlacey el trabajo fue publicado en Radiología.
Fuentes: Microsoft.com / Radiology
