Investigadors de l’IFIC (UV-CSIC) i de l’iTEAM (UPV) han sigut seleccionats per a la fase final del Digital Mammography DREAM Challenge, un projecte mundial destinat a millorar la detecció de càncer de mama mitjançant la interpretació de la mamografia amb tècniques d’intel·ligència artificial. L’equip valencià participarà en el desenvolupament d’un nou algorisme que facilite el diagnòstic, reduïsca el nombre de falsos positius i evite la repetició de mamografies innecessàries.
Un equip d’investigadors de la Universitat Politècnica de València i l’Institut de Física Corpuscular (IFIC), centre mixt de la Universitat de València i el Consejo Superior de Investigaciones Científicas (CSIC), ha sigut seleccionat per a la fase final del Digital Mammography DREAM Challenge (DM Challenge), un projecte mundial impulsat per les principals institucions de lluita contra el càncer americanes, IBM i Amazon, l’objectiu final del qual és millorar la detecció de càncer de mama mitjançant la interpretació de la mamografia amb tècniques d’intel·ligència artificial. Es tracta també de reduir el nombre falsos positius i evitar així la repetició de mamografies o proves invasives innecessàries.
En aquesta primera fase competitiva van participar més 1.200 investigadors de tot el món repartits en més de 120 equips. L’objectiu era identificar als millors grups per a continuar en la fase col·laborativa. Només huit han passat a la final puntuant significativament millor que la resta, entre els quals l’equip de la UPV-IFIC és l’únic representant espanyol. L’objectiu dels finalistes ara és construir un nou model, basat en avançats algorismes de predicció, que ajude als professionals mèdics en el diagnòstic d’aquesta patologia.
“Actualment, de cada 1.000 dones que se sotmeten a una mamografia, 5 són diagnosticades amb càncer. Però 100 tornen a ser citades per a sotmetre’s de nou a aquesta prova, amb el que açò comporta per a la pacient tant d’estrès com de radiació en el seu cos”, destaca Alberto Albiol, investigador de l’Institut de Telecomunicacions i Aplicacions Multimèdia (iTEAM) de la Universitat Politècnica de València
En la primera fase del desafiament, els participants van completar dues tasques: van desenvolupar un primer algorisme predictiu per a analitzar imatges de mamografia digital i un segon capaç d’analitzar tant imatges de mamografia digital com a informació clínica addicional.
És la primera vegada que s’accedeix a una col·lecció d’imatges d’aquesta magnitud amb finalitats científiques. Les imatges (més de mig milió) estan preses directament dels hospitals, amb la qual cosa els resultats seran més fàcilment traslladables a la pràctica clínica.
Algorisme valencià
L’equip d’investigadors valencians ha desenvolupat des de zero un algorisme de predicció que presenta importants avantatges per al seu ús en la pràctica clínica, avantatges que han resultat clau per a ser seleccionats en la fase final d’aquest ambiciós projecte. Per a açò, es basen en xarxes neuronals convolucionals, una tècnica d’intel·ligència artificial que simula les neurones de l’escorça visual i permet la classificació d’imatges, a més de l’autoaprenentatge del sistema. També apliquen principis relatius a la interpretació de rajos X, on el grup disposa de diverses patents.
Segons destaca Francisco Albiol, investigador de l’Institut de Física Corpuscular (IFIC), “aquest algorisme permet detectar lesions de tipus maligne, i és el millor sistema de prevenció a gran escala dels quals es disposen en aquest tipus de dolències. Un dels avantatges fonamentals és que aquest tipus de desenvolupaments va a permetre un ús racional d’equipaments com mamògrafs, on el problema hui dia no és tant l’adquisició de l’equipament com la falta de radiòlegs experts per a estendre les campanyes de prevenció a un rang major de població”.
Igual que la resta de participants en la primera fase del desafiament, els investigadors de la UPV i l’IFIC van treballar amb una base de dades de centenars de milers de mamografies i dades d’assajos clínics totalment anònims allotjats en el núvol i aportats per Health Group i la Icahn School of Medicine Mount Sinai, en un clar exemple de gestió de grans volums de dades o Big Data aplicat a la salut. Igualment, la Food and Drug Administration nord-americana (FDA) està seguint els procediments realitzats durant el repte per a poder fer que aquest tipus de tècniques puguen ser aplicades a sistemes de salut.
En les proves desenvolupades en la primera fase del DM Challenge, l’algorisme dels investigadors valencians va obtenir una precisió predictiva del 80%, encara inferior a la d’un radiòleg expert. Després d’aquesta fase, els huit equips guanyadors treballen ara de forma col·laborativa amb un objectiu fonamental: desenvolupar un algorisme que puga igualar l’exactitud en el diagnòstic d’un radiòleg expert. “El treball que estem desenvolupant en aquest repte mundial facilitarà als metges el diagnòstic i permetrà depurar la interpretació de les imatges de les mamografies” conclou Alberto Albiol.
Els resultats d’aquesta fase col·laborativa final es publicaran en Nature i, si l’algorisme és capaç de reproduir el diagnòstic d’un radiòleg expert, l’organització repartirà el milió de dòlars destinat a aquest repte entre els equips finalistes.
Més informació: https://www.synapse.org/#!Synapse:syn4224222/wiki/401743
Biogeociencia 