En Uruguay, el de mama es la primera causa de muerte por cáncer en las mujeres. De acuerdo con las cifras del Ministerio de Salud Pública, cada año mueren aproximadamente 700 mujeres por esta enfermedad. La inteligencia artificial (IA) es una de las herramientas que está siendo más explorada para su temprana detección.
A escala mundial, la inteligencia artificial está siendo cada vez más utilizada, particularmente aplicada a la imagenología. Por las características de los procesos que implica el análisis de las imágenes médicas, “es intenso el desarrollo que está teniendo la IA en el diagnóstico por imágenes”, según explica el médico imagenólogo Gustavo Febles, jefe de la Unidad de Diagnóstico Mamario del Hospital Británico de Montevideo, en su reciente libro Discusiones en mastología, publicado por Oficina del Libro-Fundación de Ediciones de la Facultad de Medicina Universidad de la República del Uruguay.
En Uruguay no se aplica todavía la IA en la detección del cáncer mamario: “En esto estamos atrasados con respecto al resto del mundo”, confirmó Febles a Galería. Sin embargo, el Hospital Británico está estudiando un software de la empresa norteamericana Koios Medical, entrenado para ser utilizado en ecografía mamaria. El software analiza las imágenes y las categoriza según su probabilidad de malignidad. La empresa de informática propuso al hospital instalar el programa para ser probado y con base en un informe decidir si se va a adoptar esa herramienta.
Este software basado en IA para el diagnóstico del cáncer de mama se centra en mejorar las tasas de supervivencia, pero también la eficiencia del flujo de trabajo. “Koios DS mejora la exactitud del diagnóstico del cáncer de mama, permite un flujo de trabajo automatizado de forma antes inimaginable y ayuda a combatir no solo el cáncer, sino también la fatiga, el estrés y el agotamiento de los médicos”, según expresa la empresa creadora del programa. “Aprovechamos el poder de los algoritmos de IA para respaldar la detección temprana y el tratamiento preciso de enfermedades. Se ha demostrado que nuestra tecnología reduce la frecuencia de lecturas inexactas y ‘falsos positivos’”, aseguran.
detailed-graphic-showing-various-types-breast-cancer-corresponding-treatments.jpg
Aplicaciones de IA en el campo de la mamografía
Tal como explicita Febles en su libro, las aplicaciones de IA para las mamografías pueden estar vinculadas a funciones que se pueden considerar “interpretativas” y a funciones “no interpretativas”.
Las aplicaciones “interpretativas” de la IA en mamografía tienen como objetivo el apoyo directo a la actividad del médico en la interpretación de las imágenes. En esta área se pueden reconocer dos grupos de aplicaciones: los algoritmos para diagnóstico asistido por IA y los algoritmos para valoración imagenológica preliminar (triaje) en el screening.
“Los algoritmos para diagnóstico asistido por IA analizan las mamografías y establecen una probabilidad de que en ellas haya un cáncer mamario, indicando además su ubicación. Pueden utilizarse para evaluar una anomalía ya detectada por el médico radiólogo o con una estrategia de doble lectura, es decir, el médico y el algoritmo realizan el análisis en forma independiente y luego se confrontan los resultados. El algoritmo nunca opera en forma autónoma, sino que siempre es el médico radiólogo el que define el caso y emite el informe radiológico”, explica Febles.
Los algoritmos para la valoración imagenológica preliminar (triaje) en el screening tienen como objetivo que el sistema de IA detecte en forma confiable los casos normales o benignos. Los casos que no sean normales o típicamente benignos quedan para revisión del médico radiólogo.
Este sistema podría ser útil en instituciones que tienen gran volumen de estudios de screening para analizar y el personal médico no alcanza para cubrir la demanda.
Los algoritmos para diagnóstico asistido por IA analizan las mamografías y establecen una probabilidad de que en ellas haya un cáncer mamario Los algoritmos para diagnóstico asistido por IA analizan las mamografías y establecen una probabilidad de que en ellas haya un cáncer mamario
En cuanto a las aplicaciones “no interpretativas”, la IA se puede utilizar para resolver una amplia gama de problemas que no tienen que ver con la interpretación del resultado del estudio, pero que son relevantes para los radiólogos y sus pacientes. En su escrito, Febles incluye varias tareas y algunas de ellas son:
Tareas administrativas. Corresponde, por ejemplo, a la gestión de agendas, gestión de imágenes, creación de bases de datos con fines de investigación o docencia y facturación, entre otros.
Procesamiento y calidad de la imagen. Tiene que ver con el mejoramiento de la calidad de la imagen y optimización de la dosis de radiación.
Estratificación del riesgo de cáncer. Hay varios modelos de estimación de riesgo en experimentación que, además de los factores de riesgo clásicos, podrían detectar en las imágenes mamográficas algunos indicadores más allá de la densidad mamaria, que no sean perceptibles por los humanos.
Cuantificación de la densidad mamaria. La evaluación cuantitativa proporciona un cálculo del porcentaje de tejido mamario denso en relación con toda la mama.
Procesamiento del lenguaje natural (PLN). Es un campo de la IA que permite a las computadoras interpretar, codificar y manipular el lenguaje humano a partir de múltiples y diversas fuentes no estructuradas. “Mucha de la información registrada en la historia clínica de un paciente está en texto libre (no estructurado), lo cual es muy difícil de ‘explotar’ por un sistema informático que solo ve caracteres. El uso de técnicas de PLN permite estructurar y/o codificar la información contenida en esos campos de texto libre y hacerlos explotables, de esta forma se pueden construir bases de datos que los programas puedan entender y analizar. La información desestructurada se convierte en información estructurada manejable por una computadora. Este proceso, por ejemplo, puede contribuir a mejorar la calidad de los informes radiológicos estableciendo vínculos entre los conceptos clínicos a los que se refiere el texto, los sujetos relacionados con dichos conceptos y aspectos del contexto, como la temporalidad de los eventos”, dice Febles.
Integración de la IA a un entorno clínico real. “El éxito de la integración de la IA a la práctica clínica está en reconocer que los humanos y los algoritmos tienen capacidades que se pueden complementar”, sostiene el especialista, y agrega que los humanos pueden verse afectados por la fatiga, son propensos a cometer errores por “satisfacción en la búsqueda”, son ineficientes en tareas de cuantificación, tienen limitaciones en la percepción y son fuente de variabilidad y sesgos indeseables.
Los algoritmos no se fatigan, no cometen errores por “satisfacción en la búsqueda”, son muy eficientes en tareas de cuantificación, funcionan en forma invariable y analizan datos más allá de los límites de la percepción humana.
Los humanos tienen conocimientos, sentimientos, experiencia e inteligencia “generales” que les permiten ver e interpretar la globalidad del paciente. Es decir que pueden tratar a la persona más allá de la enfermedad. Son capaces de sentir empatía y crear confianza en el paciente. Pueden detectar excepciones a las reglas y pueden adaptarse a patrones de práctica regionales u otros factores sociales.
Los humanos son más eficientes integrando información proveniente de diversas fuentes, como pueden ser diferentes técnicas de imagen, datos clínicos, datos de laboratorio, etcétera. Además, pueden establecer una comunicación fluida con otros colegas y participar de reuniones clínicas multidisciplinarias.
Para los algoritmos, un humano es solamente un organismo generador de datos. Carecen de empatía y sus diagnósticos se formulan a partir de probabilidades, lo cual muchas veces es difícil de entender por parte de los pacientes y no produce confianza.
“Los algoritmos tienen conocimientos e inteligencia muy específicos, es decir que no se apartan de los objetivos para los cuales fueron entrenados. No son eficientes para integrar información de fuentes diversas y son ajenos a prácticas regionales o factores sociales. Además, tienen habilidades de comunicación limitadas”, concluye el especialista, que viene probando, junto con su equipo, este avance de la tecnología aplicado a la medicina.
