Ante el alto número de falsos positivos que se registran en las mujeres al realizarse una mamografía, científicos del Instituto Politécnico Nacional (IPN) trabajan en redes neuronales artificiales y algoritmos computacionales para apoyar a radiólogos y médicos a reducir los diagnósticos erróneos en la detección de cáncer de mama.

El experto Rolando Flores Carapia y el alumno Hugo Flores Gutiérrez, del Centro de Innovación y Desarrollo Tecnológico en Cómputo, así como el especialista Benjamín Luna Benoso, de la Escuela Superior de Cómputo, aseguraron que el manejo de mamografías digitales por medio de redes neuronales es sensible a algunos factores como la densidad de la mama, la presencia de etiquetas o el músculo pectoral.

Este trabajo consiste en una serie de pasos para detectar si el paciente tiene cáncer, como tratamiento digital de imágenes, segmentación de la mamografía digital, extracción de características, clasificación y respuesta.

Probado en base de datos mini-MIAS

El uso de redes neuronales artificiales fue probado con la base de datos mini-MIAS, que contiene imágenes de mamografías que son usadas para trabajos de investigación a escala mundial, aunque lo ideal es contar con el apoyo de un hospital o centro médico para crear un banco de imágenes propias de México, explicó Benjamín Luna.

Insistió en que el cáncer de mama es una de las principales causas de muerte entre las mujeres. La mamografía es la técnica más adoptada por los radiólogos y médicos para la detección temprana de ese mal. Las mamografías digitales son imágenes que pueden emplear algoritmos computacionales y redes neuronales artificiales.

Hoy día, únicamente 10 por ciento de los casos de tumores malignos en los senos es detectado en etapa temprana, un panorama poco alentador.

Se trabaja con algoritmos de tratamiento digital de imágenes y redes neuronales artificiales para detectar anomalías en las mamografías, lo cual apoyará a médicos y radiólogos a tomar una decisión acerca del diagnóstico. Se pretende que más casos sean diagnosticados en etapa temprana y se puedan efectuar más tratamientos con resultados positivos, indicó Luna Benoso, especialista en tecnologías en cómputo inteligente.

Nuestro objetivo es representar cada mama como una pauta, algo numérico, una vez que se tienen todas las mamografías clasificadas. La prueba final es introducirle pautas desconocidas que nos digan si la paciente tiene o no cáncer, agregó.