Un equipo de investigadores de la Universitat Politècnica de València (UPV) y el Instituto de Física Corpuscular (IFIC), centro mixto de la Universitat de València (UV) y el Consejo Superior de Investigaciones Científicas (CSIC), ha sido seleccionado para la fase final del Digital Mammography DREAM Challenge (DM Challenge), un proyecto mundial impulsado por las principales instituciones de lucha contra el cáncer americanas, IBM y Amazon, cuyo objetivo final es mejorar la detección de cáncer de mama mediante la interpretación de la mamografía con técnicas de inteligencia artificial. Se trata también de reducir el número falsos positivos y evitar así la repetición de mamografías o pruebas invasivas innecesarias.

En esta primera fase competitiva participaron más 1.200 investigadores de todo el mundo repartidos en más de 120 equipos. El objetivo era identificar a los mejores grupos para continuar en la fase colaborativa. Sólo ocho han pasado a la final puntuando significativamente mejor que el resto, entre los que el equipo de la UPV-IFIC es el único representante español. El objetivo de los finalistas ahora es construir un nuevo modelo, basado en avanzados algoritmos de predicción, que ayude a los profesionales médicos en el diagnóstico de esta patología.

“Actualmente, de cada 1.000 mujeres que se someten a una mamografía, 5 son diagnosticadas con cáncer. Pero 100 vuelven a ser citadas para someterse de nuevo a esta prueba, con lo que ello conlleva para la paciente tanto de estrés como de radiación en su cuerpo”, destaca Alberto Albiol, investigador del Instituto de Telecomunicaciones y Aplicaciones Multimedia (iTEAM) de la Universitat Politècnica de València.

En la primera fase del desafío, los participantes completaron dos tareas: desarrollaron un primer algoritmo predictivo para analizar imágenes de mamografía digital y un segundo capaz de analizar tanto imágenes de mamografía digital como información clínica adicional. Es la primera vez que se accede a una colección de imágenes de esta magnitud con fines científicos. Las imágenes (más de medio millón) están tomadas directamente de los hospitales, con lo que los resultados serán más fácilmente trasladables a la práctica clínica.

Algoritmo valenciano

El equipo de investigadores valencianos ha desarrollado desde cero un algoritmo de predicción que presenta importantes ventajas para su uso en la práctica clínica, ventajas que han resultado claves para ser seleccionados en la fase final de este ambicioso proyecto. Para ello se basan en redes neuronales convolucionales, una técnica de inteligencia artificial que simula las neuronas de la corteza visual y permite la clasificación de imágenes, además del autoaprendizaje del sistema. También aplican principios relativos a la interpretación de rayos X, donde el grupo dispone de varias patentes.

Según destaca Francisco Albiol, investigador del Instituto de Física Corpuscular (IFIC), “este algoritmo permite detectar lesiones de tipo maligno, y es el mejor sistema de prevención a gran escala de los que se disponen en este tipo de dolencias. Una de las ventajas fundamentales es que este tipo de desarrollos va a permitir un uso racional de equipamientos como mamógrafos, donde el problema hoy día no es tanto la adquisición del equipamiento como la falta de radiólogos expertos para extender las campañas de prevención a un rango mayor de población”.

Al igual que el resto de participantes en la primera fase del desafío, los investigadores de la UPV y el IFIC trabajaron con una base de datos de cientos de miles de mamografías y datos de ensayos clínicos totalmente anónimos alojados en la nube y aportados por Health Group y la Icahn School of Medicine Mount Sinai, en un claro ejemplo de gestión de grandes volúmenes de datos o Big Data aplicado a la salud. Igualmente, la Food and Drug Administration estadounidense (FDA) está siguiendo los procedimientos realizados durante el reto para poder hacer que este tipo de técnicas puedan ser aplicados a sistemas de salud.

En las pruebas desarrolladas en la primera fase del DM Challenge, el algoritmo de los investigadores valencianos obtuvo una precisión predictiva del 80%, todavía inferior a la de un radiólogo experto. Tras esta fase, los ocho equipos ganadores trabajan ahora de forma colaborativa con un objetivo fundamental: desarrollar un algoritmo que pueda igualar la exactitud en el diagnóstico de un radiólogo experto. “El trabajo que estamos desarrollando en este reto mundial facilitará a los médicos el diagnóstico y permitirá depurar la interpretación de las imágenes de las mamografías” concluye Alberto Albiol.

Los resultados de esta fase colaborativa final se publicarán en Nature y, si el algoritmo es capaz de reproducir el diagnóstico de un radiólogo experto, la organización repartirá el millón de dólares destinado a este reto entre los equipos finalistas.