La inteligencia Artificial supera a los especialistas en predicción del cáncer de mama

El cáncer de mama es una afección que afecta a mujeres en todo el mundo. Más de 55,000 personas en el Reino Unido son diagnosticadas con cáncer de mama cada año, y aproximadamente 1 de cada 8 mujeres en los EE. UU. desarrollará la enfermedad en su vida.

La mamografía digital, o imágenes de rayos X, es el método más común para detectar el cáncer de mama. Leer estas imágenes de rayos X es una tarea difícil, incluso para los expertos, y a menudo puede dar lugar a falsos positivos y falsos negativos.

En los últimos dos años, Google AI ha estado trabajando junto a Reino Unido y los Estados Unidos para ver si la inteligencia artificial podría mejorar la detección del cáncer de mama, y así fue. El modelo de IA detectó cáncer de mama en mamografías de detección no identificadas (donde se eliminó información identificable) con mayor precisión, menos falsos positivos y menos falsos negativos que los expertos (ver el trabajo aquí).

El modelo

El modelo fue entrenado y ajustado en un conjunto de datos representativo compuesto por mamografías de-identificadas de más de 76.000 mujeres en el Reino Unido y más de 15.000 mujeres en los EE. UU., posteriormente, se evaluó en un conjunto de datos de-sidentificados por separado de más de 25,000 mujeres en el Reino Unido y más de 3,000 mujeres en los EE. UU. En esta evaluación, el sistema produjo una reducción del 5,7 % de falsos positivos (cáncer detectado cuando en realidad no lo hay) en los EE. UU., y un 1,2 % de reducción en el Reino Unido. El modelo también produjo una reducción del 9.4 % en falsos negativos (detección negativa cuando en realidad la enfermedad se encuentra presente) en los EE. UU., y una reducción del 2.7 % en el Reino Unido.

También queríamos ver si el modelo podía generalizarse a otros sistemas de salud. Para hacer esto, capa el modelo fue entrenado solo en los datos de las mujeres en el Reino Unido y luego evaluado en el conjunto de datos de mujeres en los EE. UU. En este experimento separado, hubo una reducción del 3.5 % en falsos positivos y una reducción del 8.1 % en falsos negativos, Todo esto, muestra el potencial del modelo para generalizar a nuevos entornos clínicos sin dejar de funcionar a un nivel más alto que los expertos.

Notablemente, el modelo recibió menos información que los expertos humanos. Los expertos humanos (en línea con la práctica habitual) tuvieron acceso a las historias de pacientes y mamografías previas, mientras que el modelo solo procesó la mamografía anonimizada más reciente sin información adicional. A pesar de trabajar solo con estas imágenes de rayos X, el modelo superó a expertos individuales en la identificación precisa del cáncer de mama.

Próximos pasos

En espera de futuras aplicaciones, hay algunas señales prometedoras de que el modelo podría aumentar la precisión y la eficiencia de los programas de detección, así como reducir los tiempos de espera y el estrés para los pacientes.

Pero llegar allí requerirá una investigación continua, estudios clínicos prospectivos y aprobación regulatoria para comprender y demostrar cómo los sistemas de software inspirados en esta investigación podrían mejorar la atención al paciente.

Dejar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Accedé al descuento del15%

Suscribiéndote a Nuestro Newsletter, y recibí el cupón para tu inscripción.