Un sistema de inteligencia artificial desarrollado por investigadores chilenos logró clasificar la densidad mamaria con niveles de precisión cercanos al 90%, resultado que podría transformarlo en una herramienta de apoyo para la detección temprana del cáncer de mama, principal causa de muerte por cáncer entre las mujeres del país.
La innovación fue realizada en la Universidad de Valparaíso y contó con la participación de Diego Mellado, actual investigador del Instituto de Tecnología para la Innovación en Salud y Bienestar (ITISB) de la Universidad Andrés Bello, quien trabajó en esta línea durante su doctorado en Ciencias de la Ingeniería para la Salud.
El proyecto surgió a partir de una inquietud: ¿es posible construir sistemas de inteligencia artificial adaptados a la población chilena con información generada en el propio país? Según explica Mellado, gran parte de las herramientas comerciales disponibles fueron entrenadas con imágenes obtenidas principalmente en Europa y Norteamérica.
“La mama chilena es diferente a la mama americana, a la mama europea o a la mama asiática”, señala el investigador.
A partir de esa observación, el equipo combinó bases de datos internacionales con información recolectada en hospitales públicos nacionales. La investigación utilizó una base proveniente de Vietnam con cerca de 5.000 exámenes mamográficos, otra base internacional integrada por aproximadamente 10.000 estudios de Reino Unido, Estados Unidos y Australia, y una colección de alrededor de 8.500 exámenes obtenidos en hospitales chilenos. Posteriormente, seis radiólogas evaluaron más de mil exámenes para clasificar distintos niveles de densidad mamaria, y el consenso alcanzado se utilizó como referencia para entrenar y validar los algoritmos.
Modelos más precisos que los sistemas comerciales
El trabajo se concentró en uno de los principales problemas que enfrentan los especialistas al analizar mamografías: las mamas densas contienen mayor cantidad de tejido fibroglandular, lo que puede ocultar lesiones y dificultar la detección temprana de tumores. “Una mama muy densa termina ocultando estos hallazgos y cuesta detectarlos”, explica Mellado.
Para enfrentar esta situación, los investigadores desarrollaron modelos capaces de identificar automáticamente distintos niveles de densidad mamaria y detectar hallazgos como masas, microcalcificaciones y asimetrías. Los modelos entrenados con información chilena lograron desempeños superiores a aquellos construidos únicamente con bases de datos internacionales: mientras los sistemas comerciales actuales reportan precisiones de 80% a 85%, el algoritmo chileno alcanzó cerca de un 90% al diferenciar entre mamas densas y no densas, y entre 75% y 80% al analizar las cuatro categorías clínicas de densidad mamaria.
Mellado enfatiza que el objetivo del proyecto nunca ha sido reemplazar a los radiólogos. “No me gusta hablar de que la máquina detecta más que el médico. Estos sistemas deben entenderse como herramientas de apoyo”, afirma.
La propuesta es que las mamografías sean analizadas automáticamente al ingresar al sistema informático del hospital y que la inteligencia artificial entregue una evaluación preliminar, revisada posteriormente por el especialista, algo que el investigador considera útil frente al aumento sostenido del número de exámenes y la necesidad de contar con más especialistas en diagnóstico por imágenes.
Aunque el proyecto se concentró en cáncer de mama, Mellado cree que la misma aproximación podría utilizarse en otras áreas de la medicina. “Con las imágenes adecuadas y las anotaciones correctas, no debería haber problema en aplicar estas tecnologías a otros tipos de cáncer. Lo fundamental siguen siendo los datos”, concluye.
