Cada año se diagnostican en España aproximadamente 26.000 nuevos casos de cáncer de mama, lo que supone un 30% de los tumores del sexo femenino, según la Asociación Española contra el Cáncer. Por suerte, el desarrollo de mejoras, tanto en las técnicas de diagnóstico, como en los tratamientos, ha facilitado que las tasas de supervivencia sean bastante altas, de aproximadamente un 83% a los 5 años del diagnóstico. Pero conseguir estas cifras solo es posible si se detecta el cáncer a tiempo, pudiendo comenzar el tratamiento cuanto antes.

Para ello, la técnica de diagnóstico más extendida es la mamografía, consistente en una imagen de la mama tomada a través de rayos X. Pero la detección del tumor no es el único propósito de estas pruebas. Por ejemplo, también sirven para clasificar el tejido del pecho en función de su densidad. Se considera que el tejido mamario denso es un factor de riesgo para el cáncer, por un lado porque dificulta su diagnóstico, al hacer más complicada la visualización del tumor. Por otro, porque se ha detectado que aumenta las probabilidades de padecerlo, aunque no se sabe bien por qué.

El problema es que muchas veces la determinación del tipo de tejido mamariodepende de la subjetividad del radiólogo, por lo que se pueden hacer diagnósticos equivocados. Con el fin de aportar una ayuda extra a estos profesionales, un equipo de científicos del MIT y el Hospital General de Massachusetts ha desarrollado un sistema de aprendizaje automático capaz de clasificar este tejido en menos de un segundo y con gran fiabilidad.



¿Qué es el tejido denso y cómo se determina?

El tejido mamario está formado por varios componentes: las glándulas mamarias, los conductos galactóforos y el tejido de sostén, más conocidos como tejido denso, y el tejido graso, también llamado tejido no denso. En base a la proporción de cada uno de estos componentes, el tejido mamario se puede clasificar en cuatro grupos: graso (A), disperso (B), heterogéneo (C) y denso (D). Se considera que una mujer tiene tejido denso cuando está en uno de los dos últimos grupos. ¿Pero cómo se detecta?

Por lo general, en una mamografía el tejido denso se ve como un conjunto de líneas gruesas y blancas, acompañadas de manchas también blanquecinas y sólidas. Esta es precisamente la razón por la que dificultan el diagnóstico del cáncer, ya que no se puede ver bien a través de estas manchas y, además, el tumor también se ve de color blanco. En cambio, el tejido graso está caracterizado por líneas finas y de color gris.

Una segunda opinión automatizada

Este sistema, que acaba de ser descrito en la revista Radiology, consiste en una red neuronal convolucional entrenada para detectar las señales asociadas al tejido mamario denso. Para la capacitación, los investigadores escogieron al azar 41.000 mamografías, realizadas entre 2009 y 2011. De todas ellas, el 40% se podían clasificar como tipo C o D, según la determinación de radiólogos expertos. Una vez adiestrado el sistema en base al diagnóstico de estos profesionales, se pasó a probar su eficacia en 8.600 mamografías diferentes, con muy buenos resultados.

Finalmente, se comenzó a utilizar en la práctica clínica, en el Hospital General de Massachusetts. El objetivo del dispositivo es que el algoritmo evalúe la mamografía, que después se pasará al radiólogo, para que acepte o rechace el resultado. De este modo, se consigue un doble diagnóstico que hace más complicado que haya errores. De hecho, de las 10.000 mamografías que se analizaron entre los meses de enero y mayo, el 90% de ellas coincidieron con la visión del radiólogo, por lo que la eficacia puede considerarse muy buena.

Es la primera vez que se usa un sistema de este tipo con pacientes reales y los buenos resultados obtenidos animan a los investigadores para tratar de implantarlo en otros hospitales. Su instalación es muy barata y sencilla y haría mucho más seguro un diagnóstico muy importante para la prevención del cáncer de mama. En casos como estos, cualquier medida de confirmación es bienvenida.

Fuente: https://hipertextual.com