Mirai: Detectar el cáncer de mama más temprano y reducir los daños del cribado
La mamografía se utiliza para detectar cambios en los senos de mujeres sin signos o síntomas de cáncer de mama.
Las organizaciones de salud de todo el mundo apoyan el cribado mediante mamografía para la detección temprana del cáncer, y ha demostrado su valor al reducir la mortalidad en un 20-40%.
Aunque es la mejor herramienta para la detección temprana, hay muchas áreas que necesitan mejoras: falsos positivos, falsos negativos, variaciones humanas en la interpretación de imágenes y falta de radiólogos especializados...
Mirai, como sistema de aprendizaje profundo, puede aprovechar el poder de la inteligencia artificial para predecir el desarrollo del cáncer de mama, e incluye tres innovaciones clave:
- Modelado conjunto de puntos temporales
- Uso selectivo de factores de riesgo no basados en imágenes
- Garantía de consistencia del rendimiento en diferentes entornos clínicos
Esto permite a Mirai proporcionar evaluaciones de riesgo precisas y adaptarse a diferentes entornos clínicos.
Mirai no solo puede predecir el riesgo de los pacientes en diferentes momentos futuros, sino que también puede incorporar factores de riesgo clínicos como la edad y los antecedentes familiares (si están disponibles).
Además, puede mantener resultados de predicción estables incluso con pequeñas diferencias clínicas (como diferentes equipos de mamografía).
Un aspecto prometedor del modelo es que puede aplicarse a diferentes razas.
Mirai tiene una precisión similar para mujeres blancas y negras, lo cual es un gran avance dado que la tasa de mortalidad por cáncer de mama es un 43% más alta en mujeres negras que en blancas.
Validación a gran escala
Para integrar los modelos de riesgo basados en imágenes en la atención clínica, los investigadores necesitan mejorar los algoritmos y validarlos a gran escala en múltiples hospitales.
El equipo de investigación entrenó a Mirai con más de 200,000 exámenes del Hospital General de Massachusetts (MGH) y lo validó con datos del MGH, el Instituto Karolinska de Suecia y el Hospital Memorial Chang Gung de Taiwán.
Mirai, ahora instalado en MGH, es significativamente más preciso que los métodos anteriores para predecir el riesgo de cáncer e identificar a las personas de alto riesgo.
Supera al modelo Tyrer-Cuzick, identificando casi el doble de diagnósticos futuros de cáncer.
Además, Mirai mantiene su precisión en diferentes razas, grupos de edad, categorías de densidad mamaria y subtipos de cáncer.
Adam Yala, estudiante de doctorado de CSAIL y primer autor del artículo, dijo: "Los modelos mejorados de riesgo de cáncer de mama pueden permitir estrategias de cribado dirigidas que, en comparación con los enfoques proporcionados por las pautas existentes, pueden detectar el cáncer de mama antes y reducir los daños del cribado".
El equipo está colaborando con médicos de diferentes instituciones de todo el mundo para validar aún más el modelo en diferentes poblaciones y estudiar su implementación clínica.
Actualmente, los investigadores están mejorando Mirai para utilizar el historial completo de imágenes de los pacientes e incorporar tecnologías avanzadas de cribado como la tomosíntesis.
Estas mejoras pueden perfeccionar las pautas de cribado de riesgo, ofreciendo un cribado más sensible para las personas de alto riesgo mientras se reducen otros procedimientos innecesarios.
Más investigaciones sobre la aplicación de IA en la detección del cáncer de mama
Además de Mirai, Science también recomendó más investigaciones sobre la detección de cáncer de mama mediante IA.
Para mejorar la tasa de supervivencia del cáncer de mama, los investigadores diseñaron un dispositivo de ultrasonido portátil que permite a los pacientes detectar tumores en etapas tempranas, una investigación que también proviene del MIT.
Anantha Chandrakasan, decano de la Escuela de Ingeniería del MIT, Vannevar Bush, profesor de Ingeniería Eléctrica y Ciencias de la Computación, y un autor de este estudio dijeron:
"Este trabajo aprovechará los avances en materiales, circuitos de baja potencia, algoritmos de IA y sistemas biomédicos para impulsar enormemente la investigación de ultrasonido y el diseño de dispositivos médicos".
"Y proporciona una capacidad fundamental para la detección y el diagnóstico temprano del cáncer de mama, que es clave para lograr resultados positivos".
Además, anteriormente el New York Times publicó un informe relacionado sobre "IA detectó cáncer de mama que los médicos pasaron por alto".
El informe afirmaba que Hungría se ha convertido en un importante campo de pruebas para el software de IA que detecta cáncer, y los médicos están debatiendo si esta tecnología reemplazará su trabajo médico.
En 2016, Geoffrey Hinton, uno de los principales investigadores de IA del mundo, creía que la tecnología superaría las habilidades de los radiólogos en cinco años.
"Creo que si eres radiólogo, eres como Wile E. Coyote en los dibujos animados", dijo a The New Yorker en 2017.
"Ya estás al borde del acantilado, pero aún no has mirado hacia abajo, hay un abismo profundo debajo donde no se puede ver el suelo".
Las palabras de Hinton no son infundadas. En un tweet publicado por Science, hay un estudio que encontró que los médicos que usan IA tienen más probabilidades de detectar cáncer de mama que los que no la usan.
Este estudio también mostró que la IA puede procesar automáticamente más de la mitad de los escaneos, reduciendo significativamente la carga de trabajo de los radiólogos.
Llevar la investigación al mercado
Science también mencionó específicamente a una persona en X: la Dra. Connie Lehman.
Connie Lehman es profesora de radiología en la Escuela de Medicina de Harvard y especialista en radiología en el Hospital General de Massachusetts, y también coautora del artículo fundamental mencionado al principio de este texto.
Ella se entusiasmó con el potencial del diseño asistido por computadora (CAD) para mejorar la detección del cáncer de mama cuando comenzó a trabajar en ello en 1998.