Los investigadores de la Universidad de las Illes Balears desarrollan una herramienta basada en visión artificial que incrementa la precisión en la detección de las variaciones de las formas de las masas cancerosas.
Un equipo de investigadores del Departamento de Ciencias Matemáticas e Informática de la Universidad de las Illes Balears, junto con investigadores de la Universidad de La Habana, ha desarrollado un sistema basado en visión artificial para el diagnóstico del cáncer de mama, que mejora los modelos actuales de inteligencia artificial que se aplican al análisis de las imágenes radiológicas.
Las mamografías son la modalidad más utilizada para la detección de la enfermedad, y algunos radiólogos las analizan a simple vista a pesar de los avances que se han producido en los últimos años en el campo de los sistemas automáticos inteligentes para el diagnóstico.
El sistema ideado en la Universidad de las Illes Balears se basa en el análisis de las características morfológicas del pecho, dado que los indicios principales se encuentran en factores como la asimetría entre los pechos y en la presencia de anomalías como masas y calcificaciones.
A diferencia de otros sistemas de inteligencia artificial utilizados, el sistema creado en la UIB propone el uso de un clasificador supervisado efectivo para mamografías que utiliza una técnica avanzada llamada transformada Shapelet discreta bidimensional (DST-II), que permite extraer patrones de las formas observadas en las masas de las mamografías, y que hace que la detección sea más precisa y adaptable a las variaciones en los tamaños y formas que pueden presentar las masas en mamografías.
El sistema desarrollado en la UIB ha sido entrenado a partir de un conjunto de mamografías anotadas por especialistas médicos, a partir de las cuales se han extraído las formas de las masas. El uso de la DST-II ha facilitado la obtención de los patrones que se han utilizado posteriormente para detectar la presencia de masas en nuevas mamografías.
La ventaja principal de la DST-II es su capacidad de adaptarse a los diversos tamaños y formas que las masas pueden presentar en las mamografías. Esto es crucial, ya que las masas cancerosas pueden variar significativamente de una paciente a otra, y una herramienta que pueda reconocer estas variaciones es esencial para un diagnóstico preciso.
Equipo investigador
Los investigadores del Departamento de Ciencias Matemáticas e Informática de la Universidad de las Illes Balears que han participado en este estudio son: el doctor Antoni Jaume i Capó, miembro de la Unidad de Gráficos y Visión por Ordenador e IA (UGiVIA), miembro del Instituto de Investigación Sanitaria Illes Balears (IdISBa) y director del Laboratorio de Aplicaciones de Inteligencia Artificial de la UIB (LAIA@UIB); el doctor José María Buades Rubio, investigador principal de la Unidad de Gráficos y Visión por Ordenador e Inteligencia Artificial (UGiVIA), y el doctor Manuel González-Hidalgo, investigador principal del grupo de investigación en Soft Computing, Procesamiento de Imágenes y Agregación (SCOPIA), y miembro del IdISBa y LAIA@UIB.
El investigador y las investigadoras de la Universidad de La Habana que han participado en este estudio son: el doctor Damián Valdés-Santiago, la doctora Ángela M. León-Mecías y la doctora Marta Lourdes Baguer Díaz-Romañach, miembros del Grupo de Investigación en Análisis Numérico y de Imagen (ANIMES) del Departamento de Matemática Aplicada de la Facultad de Matemáticas e Informática.
El estudio se ha realizado en el marco de los proyectos de I+D+i PID2019-104829RA-I00 «EXPLainable Artificial INtelligence systems for health and well-beING (EXPLAINING)», financiado por el Ministerio de Ciencia e Innovación y la Agencia Estatal de Investigación (MCIN/AEI/10.13039/501100011033/); PN223LH010-003 «Numerical Methods for Multiscale Problems», del Programa Nacional de Ciencias Básicas de Cuba, financiado por el Ministerio de Ciencia, Tecnología y Medio Ambiente (CITMA), Cuba, ERASMUS+ Program «Student Mobility for Traineeships» (2021); PID2020-113870GB-I00 «Development of Soft Computing Tools for Clinical Diagnostic Aid and Emergency Management (HESOCODICE)», financiado por el Ministerio de Ciencia e Innovación, y la Agencia Estatal de Investigación (MCIN/AEI/10.13039/501100011033/); y OCDS-CUD2022/03 «Propuesta de sistema 3D para seguimiento y medición de úlceras en pies diabéticos».
Referencia bibliográfica
Valdés-Santiago, D.; León-Mecías, A. M.; Baguer Díaz-Romañach, M. L.; Jaume-i-Capó, A.; González-Hidalgo, M.; Buades Rubio, J. M. A New Method for 2D-Adapted Wavelet Construction: An Application in Mass-Type Anomalies Localization in Mammographic Images. Appl. Sci. 2024, 14, 468. https://doi.org/10.3390/app14010468
Fecha de publicación: 01/07/2024
