Un nuevo modelo de inteligencia artificial mejora la predicción de la recurrencia del cáncer de mama

Un equipo internacional liderado por la Universidad Rovira i Virgili ha desarrollado un modelo de inteligencia artificial capaz de integrar datos de imágenes médicas e información clínica para calcular el riesgo de reaparición del tumor de manera más esmerada e interpretativa, con un elevado nivel de precisión.

El nuevo sistema combina dos fuentes de información: por una parte, utiliza imágenes de resonancia magnética dinámica con contraste y, de la otra, datos clínicos de cada paciente. A diferencia de los sistemas actuales, que sólo analizan las características específicas del tumor, este nuevo enfoque también tiene en cuenta otras variables como el tejido mamario que lo rodea. Esta visión global permite en el modelo captar patrones muy sutiles, como la simetría entre ambas mamas o la textura interna del tumor, que se asocian con una mayor probabilidad de recaída.

El funcionamiento del modelo es completamente automático: en primer lugar segmenta las imágenes de resonancia, selecciona las características más relevantes (forma, intensidad y variaciones del tejido) y, finalmente, integra esta información con datos médicos como el tipo de tumor, los receptores hormonales o el grado de malignidad. Todos estos elementos se procesan con un modelo de red neuronal denominado TabNet, que destaca por su capacidad de analizar datos complejos e interpretarlas.

En las pruebas realizadas con más de 500 pacientes el sistema consiguió un alto nivel de precisión global – de los más elevados entre todos los modelos probados hasta ahora- y demostró una mayor sensibilidad para identificar los casos con riesgo real de recaída. «Esta sensibilidad es clave, ya que permite reducir falsos negativos y evitar que se pasen por alto pacientes que podrían necesitar un seguimiento o tratamiento adicional», explica Domènec Puig, del Departamento de Ingeniería Informática y Matemáticas de la URV e investigador principal del proyecto.

El análisis de los resultados también ha permitido identificar los factores más importantes a la hora de hacer una predicción: la textura irregular del tumor, la falta de simetría entre las dos mamas y el estado de los receptores hormonales. Estos indicadores podrían convertirse en nuevas herramientas visuales y médicas a la hora de tomar decisiones clínicas.

Otra de las potencialidades del modelo es que es escalable, interpretable y potencialmente aplicable a hospitales sin necesidad de pruebas genéticas invasivas o muy costosas. «Esperamos en un futuro validar esta herramienta con datos de más centros para garantizar su aplicación clínica a gran escala», comenta Domènec Puig.

El estudio forma parte del proyecto europeo Bosomshield, enmarcado en el programa Marie Skłodowska-Curie Doctoral Networks, y demuestra el potencial de la colaboración entre tecnología de vanguardia y medicina para avanzar hacia una oncología más personalizada y predictiva.