Una nueva investigación muestra cómo la tecnología AI puede detectar el cáncer de mama en la resonancia magnética con mayor precisión que los métodos digitales actuales, al tiempo que identifica exactamente dónde se encuentra el tejido sospechoso, un avance que podría hacer que la herramienta de detección smart esté disponible para más mujeres.
El sistema adopta un enfoque novedoso al aprender cómo se ve el tejido mamario regular, luego marcar algo inusual, que es lo opuesto a cómo se ha construido la IA de detección del cáncer. Cuando identifica el cáncer potencial, crea un mapa de calor visible que muestra a los radiólogos con precisión dónde mirar.
Investigadores de la Universidad de Washington, la IA de Microsoft para Good Lab y el Centro de Cáncer Fred Hutchinson de Seattle fueron los colaboradores principales en el estudio. Sus resultados fueron recientemente publicado en Radiologíaun diario de la Sociedad Radiológica de América del Norte. Entrenaron su modelo de IA en aproximadamente 9.500 resonancias magnéticas recolectadas en la UW entre 2005 y 2022.
La innovación podría ayudar a expandir el acceso a la detección de resonancia magnética de mama, que es más smart que la mamografía, pero actualmente se limita principalmente a pacientes de alto riesgo debido a problemas de costo y eficiencia.
“Esperamos poder ofrecer una resonancia magnética de mama a más mujeres que las que nosotros hoy en día porque es una herramienta de detección de senos realmente smart”, dijo Perrisca de SavannahProfesor de Radiología de UW. “Pero para hacer eso, estamos viendo cómo escala?”
La estrategia para construir el modelo volteó el enfoque tradicional sobre su cabeza. En lugar de aprender a detectar escaneos que son positivos para el cáncer, el modelo fue entrenado para reconocer imágenes normales o benignas, y luego marcar IRM que incluían células anormales.
El enfoque, llamado “detección de anomalías”, tiene sentido dado que los investigadores tienen muchas más imágenes no cancerosas que las que muestran enfermedades, dijo Partridge: “Así que podemos aprovechar nuestros datos de manera más eficiente”.
Una característica esencial de la nueva herramienta es que crea un mapa de calor que superpone la imagen, destacando visualmente el área de preocupación. Otras tecnologías a veces indican solo si se detectó cáncer en una resonancia magnética, pero no precisamente donde se encontró.
“Nuestro modelo proporciona una explicación comprensible a nivel de píxel de lo que es anormal en un seno”, dijo Felipe OviedoAnalista de investigación senior de Microsoft’s AI for Good Lab, en un comunicado.
El análisis de IA podría ayudar a los radiólogos a priorizar casos que necesitan una atención más rápida, guiar a los proveedores en imágenes adicionales o indicar un área que requiera una biopsia.
La herramienta no está lista para su uso en entornos clínicos. Los investigadores están planeando estudios adicionales para ver cómo la tecnología se desempeña contra los radiólogos que revisan las mismas imágenes para comprender mejor sus beneficios.
Partridge, quien es el Director de Investigación de Imágenes de Mama de la UW y el ex director asociado de imágenes de cáncer en Fred Hutch, dijo que la colaboración con Microsoft le dio la oportunidad de involucrarse estrechamente con la creación del algoritmo, proporcionando información sobre cómo se construyó y se comportó.
Aún así, Partridge quiere proceder con precaución al adoptar la IA para la atención médica, asegurando que cualquier herramienta clínica proporcione información confiable y útil que respalde a los radiólogos, en lugar de complicar su trabajo.
“No es que usas [AI]o no, pero ¿cómo lo usas? Ella dijo. “¿Cómo lo usas de manera apropiada y segura?”
Los autores adicionales del estudio, que se tituló “Detección del cáncer en la detección de resonancia magnética de mama a través de la detección de anomalías AI explicables”, son Anum Kazerouni, Philipp Liznerski, Yixi Xu, Michael Hirano, Robert Vandermeulen, Marius Kloft, Elyse Blum, Adam Al AleSio, Christopher Li, William Weeks, Rahul Dodhia, Juan Lavesta. Sus afiliaciones incluyen la UW, Microsoft, Fred Hutch, la Universidad Estatal de Michigan, la Universidad de Kaiserslautern-Landau, el Instituto de Berlín para las Fundaciones de Aprendizaje y Datos, y la Universidad Técnica de Berlín.
