Inteligencia artificial en la detección del cáncer de mama basada en mamografías

El cáncer de mama (CM) es el cáncer más común entre las mujeres en todo el mundo y la segunda causa principal de muerte relacionada con el cáncer.

Como la piedra angular de la detección de BC, la mamografía se reconoce como una de las modalidades de imagen útiles para reducir la mortalidad de BC, en virtud de la detección temprana de BC. Sin embargo, la interpretación de la mamografía es una evaluación inherentemente subjetiva y propensa al sobrediagnóstico.

En los últimos años, los sistemas de diagnóstico asistido por computadora (CAD) de inteligencia artificial (IA), caracterizados por algoritmos de aprendizaje profundo incorporados, han entrado en el campo de la detección de BC como una ayuda para el radiólogo, con el propósito de optimizar el sistema CAD convencional con debilidad de Extracción de características artesanales. Por ahora, el rendimiento independiente de las nuevas herramientas AI-CAD ha demostrado una precisión y eficiencia prometedoras en el diagnóstico de BC, en gran parte atribuidas a la utilización de redes neuronales de convolución (CNN), y algunas de ellas ya han alcanzado un nivel similar al de un radiólogo. Por otro lado, se ha mejorado el rendimiento de los radiólogos en la detección de BC al aprovechar el sistema AI-CAD como herramienta de apoyo a la toma de decisiones. A medida que aumenta la implementación del sistema AI-CAD comercial, se debe realizar una evaluación sólida de su utilidad y rentabilidad en circunstancias clínicas en escenarios que simulan la vida real antes de una adopción generalizada, al igual que otras tecnologías emergentes y prometedoras. Esto requiere validar los sistemas AI-CAD en el cribado de BC en conjuntos de datos múltiples, diversos y representativos y también estimar la interfaz entre el lector y el sistema. Este estudio propuesto busca investigar el rendimiento diagnóstico del cáncer de mama del sistema AI-CAD utilizado para leer mamogramas. En este trabajo, emplearemos una herramienta AI-CAD disponible comercialmente basada en algoritmos de aprendizaje profundo (IBM Watson Imaging AI Solution) para identificar y caracterizar las lesiones mamarias sospechosas en las mamografías. Las posibles lesiones cancerosas se pueden etiquetar y sus características mamográficas y probabilidad de malignidad se informarán automáticamente. Después del posprocesamiento de IA, realizaremos un análisis estadístico adicional para determinar la precisión del sistema AI-CAD para la predicción del riesgo de BC.