Un marco híbrido eficiente de inteligencia artificial para la clasificación del cáncer de pulmón mediante imágenes de...

Área de la Ciencia:

• Imagenología Médica
• Inteligencia Artificial
• Oncología

Sus antecedentes:

• El cáncer de pulmón tiene una baja tasa de supervivencia, lo que requiere una detección temprana para mejorar los resultados de los pacientes.
• La imagenología por tomografía computarizada (TC) ayuda a la identificación de enfermedades pulmonares, pero el análisis manual consume mucho tiempo y es propenso a errores.
• La predicción automatizada del cáncer de pulmón mediante IA puede superar las limitaciones del análisis manual de imágenes de TC.

Objetivo del estudio:

• Desarrollar y evaluar un modelo híbrido de IA para clasificar imágenes de TC de pulmón como normales, benignas o malignas.
• Comparar el rendimiento de diferentes métodos de extracción de características combinados con modelos de aprendizaje profundo para la predicción del cáncer de pulmón.

Principales métodos:

• Se propuso un modelo híbrido de IA, que integra características tradicionales (Matriz de Co-ocurrencia de Niveles de Gris, Transformada de Características Invariantes a la Escala) con características de Aprendizaje Profundo (VGG-16, MobileNet).
• Se extrajeron características de imágenes de TC de pulmón del conjunto de datos del Hospital Docente de Oncología de Irak/Centro Nacional de Enfermedades del Cáncer (IQ-OTH/NCCD), se preprocesaron y se fusionaron.
• Se evaluaron seis combinaciones de módulos de extracción de características para el rendimiento de la clasificación.

Principales resultados:

• La integración de la Matriz de Co-ocurrencia de Niveles de Gris (GLCM) y la Transformada de Características Invariantes a la Escala (SIFT) con MobileNet logró la mayor precisión, exactitud, exhaustividad, puntuación F1 y especificidad.
• El modelo híbrido de IA propuesto superó a los métodos existentes de vanguardia en la predicción del cáncer de pulmón.
• El modelo demostró un rendimiento fiable y su idoneidad para la implementación en tiempo real.

Conclusiones:

• El modelo híbrido de IA que combina características tradicionales y de aprendizaje profundo ofrece un método fiable y preciso para la predicción del cáncer de pulmón a partir de imágenes de TC.
• Este enfoque impulsado por IA mejora la detección temprana del cáncer de pulmón, lo que podría aumentar las tasas de supervivencia.
• El modelo desarrollado muestra una gran promesa para la aplicación clínica y la implementación en tiempo real en entornos sanitarios.