MADRID, 13 Nov. (EUROPA PRESS) -
Los radiólogos asistidos por un software basado en el aprendizaje profundo pudieron detectar mejor los cánceres de pulmón malignos en las radiografías de tórax, según una investigación publicada en la revista 'Radiology'.
"La sensibilidad promedio de los radiólogos mejoró en un 5,2% cuando volvieron a revisar las radiografías con el software de aprendizaje profundo --adelanta Byoung Wook Choi, profesor de la Facultad de Medicina de la Universidad de Yonsei en Seúl (Corea) y radiólogo cardiotorácico del Departamento de Radiología del Sistema de Salud de la universidad--. Al mismo tiempo, se redujo el número de resultados positivos falsos por imagen".
El doctor Choi explica que las características de las lesiones pulmonares, incluido el tamaño, la densidad y la ubicación, hacen que la detección de nódulos pulmonares en las radiografías de tórax sea más difícil. Sin embargo, los métodos de aprendizaje automático, incluida la implementación de redes neuronales convolucionales profundas (DCNN por sus siglas en inglés), han ayudado a mejorar la detección.
El aprendizaje profundo es un tipo de inteligencia artificial que permite a las computadoras completar tareas basadas en las relaciones de datos existentes. Un DCNN, modelado a partir de la estructura del cerebro, emplea múltiples capas y patrones ocultos para clasificar las imágenes.
En este estudio retrospectivo, los radiólogos seleccionaron al azar un total de 800 radiografías de cuatro centros participantes, incluidas 200 exploraciones torácicas normales y 600 con al menos un nódulo pulmonar maligno confirmado por imágenes de CT o examen patológico (50 normales y 150 con cáncer de cada uno institución).
Hubo 704 nódulos malignos confirmados en las radiografías de cáncer de pulmón (78,6% de cánceres de pulmón primarios y 21,4% de metástasis). La mayoría (56,1%) de los nódulos tenían entre 1 cm y 2 cm, mientras que el 43,9% tenían entre 2 cm y 3 cm.
Un segundo grupo de radiólogos, tres de cada institución, interpretaron las radiografías de tórax seleccionadas con y sin nódulos cancerosos. Luego, los lectores volvieron a leer las mismas radiografías con la ayuda del software DCNN, que fue entrenado para detectar nódulos pulmonares.
La sensibilidad promedio, o la capacidad de detectar un cáncer existente, mejoró significativamente del 65,1% para los radiólogos que leen solos al 70,3% con la ayuda del software DCNN. El número de falsos positivos, que informan incorrectamente que hay cáncer presente, por rayos X disminuyó de 0,2 para los radiólogos solos a 0,18 con la ayuda del software.
"El software de detección asistido por computadora para detectar nódulos pulmonares no ha sido ampliamente aceptado y utilizado debido a las altas tasas de falsos positivos, a pesar de que proporciona una sensibilidad relativamente alta --añade el doctor Choi--. El DCNN puede ser una solución para reducir la cantidad de falsos positivos".
