No Banner to display

Usando técnicas de aprendizaje automático, el sistema entrenado por el equipo de investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT y el Hospital General de Massachusetts analizó los diagnósticos de 60 mil pacientes para detectar los patrones sutiles de cambio en los tejidos para realizar una detección temprana y efectiva. De esta forma, el mecanismo permite poder personalizar los programas de prevención de forma individual con tratamientos menos agresivos.

Al momento de comparar los resultados, el sistema de análisis de imágenes basado en el modelo de aprendizaje automático logró identificar al 31 por ciento de los pacientes con cáncer de alto riesgo, mientras que los modelos tradicionales de detección alcanzaron un 18 por ciento de detección. Según los investigadores, esto fue posible porque el modelo de aprendizaje pudo analizar patrones y detalles que son demasiado sutiles al diagnóstico del ojo humano.

«La clave de este modelo de detección basado en técnicas de aprendizaje automático está en la personalización de la detección del riesgo, en vez de aplicar un único enfoque para todos los pacientes», dijo Regina Barzilay, coautora del estudio y sobreviviente de un cáncer de mama.

Sobre este punto, Barzilay destaca que el modelo desarrollado permite ser más preciso en las minorías raciales, ya que los procedimientos de detección temprana del cáncer de mama se desarrollaron en poblaciones blancas. A su vez, los investigadores esperan extender esta modalidad de análisis de imágenes para la detección de otras enfermedades y afecciones, en especial en la detección temprana del cáncer de páncreas, cuyos modelos de detección de riesgo son menos efectivos.

Fuente: La Nación