•  I
• a · A  I
• Accessibilitat  I
• Mapa web  I
• Cercar  I
• Directori

• ::  Sign in :: 

Les tècniques d'intel·ligència artificial (IA), utilitzades en combinació amb l'avaluació de personal radiòleg expert, milloren la precisió en la detecció de càncer mitjançant mamografies.

Aquesta és una de les principals conclusions d'un estudi internacional realitzat, entre altres, per investigadores i investigadors de la Universitat Politècnica de València (UPV), el Consell Superior d'Investigacions Científiques (CSIC) i la Universitat de València (UV), i que ha sigut publicat en una de les revistes mèdiques de major difusió mundial de l'àmbit, el Journal of the American Medical Association.

L'estudi es basa en els resultats obtinguts en el DM (digital mammography) DREAM Challenge, una competició internacional liderada per IBM on van participar investigadors i investigadores de l'Institut de Física Corpuscular (IFIC, CSIC-UV), juntament amb personal científic de l'Institut de Telecomunicacions i Aplicacions Multimèdia (iTEAM) de la UPV.

L'únic equip espanyol present en la final del repte

L'equip investigador de l'IFIC i l'iTEAM de la UPV va ser l'únic grup espanyol que va aconseguir arribar a la final del repte. Amb aquesta finalitat, van desenvolupar des de zero un algorisme de predicció basat en xarxes neuronals convolucionals, una tècnica d'IA que simula les neurones de l'escorça visual i permet la classificació d'imatges, a més de l'autoaprenentatge del sistema. Així mateix, també van aplicar principis relatius a la interpretació de raigs X, on el grup disposa de diverses patents.

Els resultats de l'equip valencià, juntament amb els de la resta de finalistes, són els que ha publicat el Journal of the American Medical Association (JAMA Network Open).

Alberto Albiol, professor titular de la UPV i membre del grup iTEAM, afirma que haver participat en aquest repte "ha permès al nostre grup col·laborar en projectes d'IA amb grups clínics de la Comunitat Valenciana, la qual cosa ens ha obert oportunitats per a aplicar les tècniques de machine learning (aprenentatge automàtic) tal com es planteja en l'article".

Artemisa

El treball realitzat pel grup investigador valencià s'està desenvolupant en Artemisa, la nova plataforma de computació per a IA de l'Institut de Física Corpuscular, finançada per la Unió Europea i la Generalitat Valenciana dins del programa operatiu FEDER de la Comunitat Valenciana 2014-2020 per a l'adquisició d'infraestructures i equipament d'R+D+I.

"Dissenyar estratègies per a reduir costos operacionals en la sanitat és un dels objectius d'aplicar de forma sostenible la IA", destaca Francisco Albiol, investigador de l'IFIC participant en l'estudi. "Els reptes abasten des de la part algorítmica fins a dissenyar conjuntament estratègies basades en evidències juntament amb el sector mèdic. La IA, aplicada a gran escala, és una de les tecnologies més prometedores per a fer la sanitat sostenible", remarca.

DM DREAM Challenge

El DM DREAM Challenge té com a objectiu involucrar una part àmplia de la comunitat científica internacional (més de 1.200 investigadors o investigadores) per a avaluar si els algorismes de la IA poden igualar o millorar les interpretacions de les mamografies realitzades pel personal radiòleg.

"Aquest DREAM Challenge va permetre una avaluació rigorosa i adequada de desenes d'avançats algorismes d'aprenentatge profund (deep learning) en dues bases de dades independents", explica Justin Guinney, vicepresident d'Oncologia Computacional en Sage Bionetworks i president dels DREAM Challenges.

Mig milió de mamografies a l'any menys als Estats Units

Dirigit per IBM Research, Sage Bionetworks i el Kaiser Permanente Washington Research Institute, el DM DREAM Challenge va concloure que, encara que cap algorisme per si sol va superar el personal radiòleg, una combinació de mètodes sumada a les avaluacions del personal expert sí que milloraven la precisió dels exàmens.

En aquest aspecte, Gustavo Stolovitzky -fundador dels DREAM Challenges i director del programa d'IBM dedicat a biologia translacional de sistemes i nanobiotecnologia al Centre d'Investigació Thomas J. Watson- afirma que "el nostre estudi suggereix que una combinació d'algorismes d'IA i les interpretacions dels radiòlegs podrien aconseguir que mig milió de dones a l'any no hagen de sotmetre's a proves de diagnòstic innecessàries només als Estats Units".

Un enfocament innovador per a preservar la privacitat de les dades

Per a assegurar la privacitat de les dades i evitar que les persones participants descarregaren mamografies amb dades sensibles, l'organització de l'estudi va aplicar un sistema de treball des del model a les dades. Amb aquest, les persones participants enviaven els seus algorismes a l'organització, que va desenvolupar un sistema que els aplicava directament a les dades.

"Aquest enfocament per a compartir dades és particularment innovador i essencial per a preservar la privacitat de les dades", assegura Diana Buist, del Kaiser Permanent Washington Health Research Institute. "A més, la inclusió de dades de dos països diferents, amb diferents pràctiques a l'hora de realitzar mamografies, assenyala importants diferències translacionals en la forma en què la IA podria utilitzar-se en diferents poblacions", afig.

Una tècnica efectiva, però millorable

Les mamografies són la tècnica de diagnòstic més usada per a la detecció primerenca del càncer de mama. Encara que aquesta eina de detecció és comunament efectiva, les mamografies han de ser avaluades i interpretades per personal radiòleg, que usa la percepció visual humana per a identificar signes del càncer. Així, s'estima un 10% de falsos positius en els 40 milions de dones que se sotmeten a mamografies programades cada any als Estats Units.

"Un algorisme efectiu d'IA que puga augmentar la capacitat del personal radiòleg de reduir la repetició de proves innecessàries, alhora que detecta càncers clínicament significatius, ajudaria a augmentar el valor de la detecció de les mamografies i milloraria eficaçment la relació dany-benefici", conclou el doctor Christoph Lee, de la Washington School of Medicine.