Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

Un programa diagnostica en las mamografías el 99% de los tumores

Investigadores de la Universidad Rovira i Virgili en Tarragona han creado un programa que permitirá reducir el número de falsos positivos cuando se detectan tumores a partir de las mamografías. El avance, que alcanza una fiabilidad del 99%, se ha logrado por la combinación de diferentes métodos de análisis de textura mediante visión por computador, con la que se analiza este tipo de pruebas radiológicas.

Detalle de una de las mamografías utilizadas durante la investigación. / URV

Un programa informático permitirá en un futuro conseguir una fiabilidad casi total en la detección de tumores de mama. La investigación la han llevado a cabo Mohamed Abdel-Nasser, Antonio Moreno y Domènec Puig del departamento de Ingeniería Informática y Matemáticas de la Universidad Rovira i Virgili (URV), en colaboración con el departamento de Radiología del Centro Médico de la Universidad Radboud (Nijmegen, Holanda). El estudio se ha publicado en la revista International Journal of Optics.

Reducir el número de falsos positivos supondría una disminución importante del gasto en los sistemas de salud

La mamografía está considerada como la prueba más eficaz para la detección precoz del cáncer de mama, que en 2014 fue la principal causa de muerte por esta enfermedad entre las mujeres de la Unión Europea. Para analizar e interpretar los datos de esta prueba radiológica se utilizan de forma creciente sistemas de diagnosis asistida por ordenador (CAD). Estos métodos no son del todo fiables, ya que en ocasiones generan falsos positivos -la presencia de un tumor que finalmente, en pruebas posteriores, se demuestra que no existe.

Ahora, el estudio de la URV se ha centrado en investigar el efecto de cinco métodos de análisis de textura de las imágenes a las que se han aplicado diferentes técnicas (análisis de resolución de píxeles, escala de integración, algoritmos de preprocesamiento de la imagen y normalización de datos). A partir de aquí se han hecho varias combinaciones hasta encontrar la más idónea para obtener una clasificación mejor de las regiones relevantes –la presencia de tumores o no– dentro de las mamografías.

Se pasa del 93 al 99 % de fiabilidad

Con la configuración final obtenida por los investigadores se ha conseguido un 99% de fiabilidad a la hora de determinar la presencia de un tumor en la mama a partir de una mamografía. Este dato mejora los resultados obtenidos con estudios anteriores, cifrados en un 93%, que también habían evaluado la fiabilidad en la interpretación de estas pruebas, pero habían centrado el análisis en otras configuraciones.

Poder reducir el número de falsos positivos supondría una disminución importante del gasto en los sistemas de salud, ya que descartar de entrada la presencia de tumor evitaría hacer pruebas adicionales a un elevado número de mujeres para confirmar el diagnóstico.

Esta investigación forma parte del proyecto de investigación IA-BioBreast, que tiene por objetivo investigar métodos de análisis de imágenes mediante visión por computador para la detección precoz del cáncer de mama, y se centra en el desarrollo de dos biomarcadores específicos: la densidad de la mama y la evolución temporal de las lesiones existentes.

Referencia bibliográfica:

Mohamed Abdel-Nasser, Jaime Melendez, Antonio Moreno, and Domenec Puig, “The Impact of Pixel Resolution, Integration Scale, Preprocessing, and Feature Normalization on Texture Analysis for Mass Classification in Mammograms,” International Journal of Optics, vol. 2016, Article ID 1370259, 12 pages, 2016. doi:10.1155/2016/1370259

Fuente: URV
Derechos: Creative Commons

Solo para medios:

Si eres periodista y quieres el contacto con los investigadores, regístrate en SINC como periodista.

Artículos relacionados
Inteligencia artificial para ver mutaciones causantes de distintos tipos de cáncer

Científicos del centro IRB Barcelona han desarrollado un método computacional que, mediante algoritmos de aprendizaje automático, identifica mutaciones que causan cáncer según la clase de tumor. La herramienta se llama BoostDM, y actualmente trabaja con perfiles mutacionales de 28.000 genomas de 66 cánceres diferentes.

Cómo recolocar una orquesta para reducir el riesgo de covid-19

Trasladando el piano, el arpa y los instrumentos de percusión hacia el centro del escenario y llevando los clarinetes, trompetas y flautas a las orillas, más cerca de las rejillas por donde se renueva el aire, se puede reducir la concentración de aerosoles en los conciertos, junto a la siempre necesaria buena ventilación. Investigadores de la Universidad de Utah (EE UU) lo han comprobado con modelos computacionales.