Nueva herramienta de IA detecta y caracteriza con precisión microcalcificaciones en mamografía

En la investigación realizada en el Instituto Europeo de Oncología IEO IRCCS (Milán, Italia), tres radiólogos expertos anotaron un conjunto de datos de 1.000 pacientes y 1.986 mamografías utilizando datos reales basados en histología. El conjunto de datos se dividió para entrenamiento, validación y prueba. Del total, 389 grupos de microcalcificaciones se consideraron malignos y 611 benignos. Luego, el equipo entrenó y evaluó tres redes neuronales (AlexNet, ResNet18 y ResNet34) utilizando métricas específicas que incluyen el área bajo la curva (AUC) de las características operativas del receptor, la sensibilidad y la especificidad.

El equipo evaluó la capacidad de las redes neuronales para detectar y clasificar microcalcificaciones y descubrió que AlexNet ofrecía el mejor desempeño general entre las tres redes neuronales. Los investigadores también encontraron que AlexNet tenía un valor predictivo negativo de las tres redes en detección (0,94) y clasificación (0,88). El estudio destaca la importancia de desarrollar modelos confiables de aprendizaje profundo que posiblemente se apliquen a la detección del cáncer de mama. Basándose en sus hallazgos, el equipo de investigación ha sugerido que estos modelos ofrecen el potencial de mejorar el trabajo de los radiólogos de mama, particularmente en los programas de detección del cáncer de mama.

Enlaces relacionados:
IEO IRCCS