Mejorar la evaluación de la densidad mamaria en mamografías a través de la inteligencia artificial

Área de la Ciencia:

• Inteligencia artificial en imágenes médicas
• La visión por computadora para la salud
• Radiología y diagnóstico por imágenes

Sus antecedentes:

• El cáncer de mama sigue siendo una de las principales causas de muerte por cáncer en mujeres en todo el mundo.
• La mamografía es crucial para la detección temprana, siendo la densidad mamaria un factor clave.
• Las evaluaciones actuales de la densidad mamaria (BI-RADS) son subjetivas y varían, lo que requiere herramientas objetivas.

Objetivo del estudio:

• Desarrollar y validar un enfoque de visión por computadora de código abierto basado en IA para la clasificación objetiva de la densidad mamaria.
• Crear una solución accesible y de bajo costo para la evaluación consistente de la densidad mamaria, especialmente en entornos con recursos limitados.
• Mejorar la detección temprana del cáncer de mama a través de una mejor interpretación de la mamografía.

Principales métodos:

• Se desarrolló una red neuronal convolucional diseñada a medida (CD-CNN) integrada con una capa de máquina de aprendizaje extremo (ELM).
• El modelo fue entrenado y probado en un conjunto de datos retrospectivo de 10.371 imágenes de mamografía digital de campo completo categorizadas por densidad BI-RADS (A-D).
• El rendimiento se evaluó utilizando precisión, sensibilidad, especificidad y kappa ponderada, incluida la validación en el conjunto de datos mini-MIAS.

Principales resultados:

• El modelo de IA propuesto logró un alto rendimiento en el conjunto de datos primario: precisión del 95,4%, especificidad del 98,0% y sensibilidad del 92,5%.
• Se observó una fuerte concordancia entre la clasificación automatizada y el consenso de los expertos (kappa ponderado = 0,90).
• Se obtuvieron resultados comparables en el conjunto de datos mini-MIAS independiente, lo que demuestra la solidez y la generalización.

Conclusiones:

• El enfoque de IA de código abierto desarrollado ofrece un método consistente y preciso para la evaluación de la densidad mamaria en las mamografías.
• Esta herramienta tiene el potencial de apoyar significativamente los esfuerzos de detección temprana del cáncer de mama, particularmente en entornos de atención médica insuficientes.
• La integración de CD-CNN y ELM avanza en el análisis mamográfico automatizado para mejorar la consistencia diagnóstica.