R. Bayareh Mancilla, Y. M. Hernández Rodríguez, O.E. Cigarroa Mayorga
https://doi.org/10.60647/D0T5-8875
En el campo de la medicina, la IA y la Visión por Computadora actúan como un "tercer ojo", inspirado en el Simorgh. Remontándonos a la mitología persa, encontramos una conexión entre esta noción de un "tercer ojo" en el Simorgh. De acuerdo con los relatos, el Simorgh era una criatura sagrada que poseía una visión excepcional y un conocimiento profundo. Se decía que su ojo izquierdo veía el pasado, mientras que su ojo derecho vislumbraba el futuro. Sin embargo, el Simorgh también poseía un "tercer ojo", el ojo de la sabiduría, que permitía a aquellos que lo descubrieran ver “la verdad más allá de lo evidente”. Estas tecnologías permiten a los médicos detectar patrones y anomalías sutiles en imágenes médicas, brindando un diagnóstico más preciso. El "tercer ojo" de la Inteligencia Artificial (IA) desvela información y patrones, mejorando el diagnóstico, seguimiento y tratamiento de los pacientes. Al analizar imágenes médicas como mamografías, resonancias magnéticas y tomografías computarizadas, se puede identificar patrones y anomalías sutiles, facilitando el diagnóstico temprano del cáncer de mama. Este "tercer ojo" revela detalles sutiles al ojo humano que a menudo se pasan por alto, brindando una perspectiva adicional en el diagnóstico médico. Es por ello por lo que la combinación entre la AI y la experiencia humana están revolucionando la medicina preventiva (Fourcade & Khonsari, 2019).
Es bien sabido que el cáncer de mama es una de las causas de muerte entre mujeres que no solo aqueja nuestro país, sino que es una amenaza mundial. Como contexto, en el año 2020, se estimó que hubo alrededor de 27,500 nuevos casos de cáncer de mama en México, y se registraron aproximadamente 7,500 muertes relacionadas con esta enfermedad (Heras Gutiérrez et al., 2022). La detección temprana juega un papel crucial en la mejora del pronóstico, por lo que se recomienda a las mujeres mayores de 40 años realizarse una mastografía cada dos años. En este contexto, la inteligencia artificial podría desempeñar un papel fundamental en la mejora de las estadísticas y en la prevención de muertes (Jiang, 2002).
El procesamiento digital de imágenes médicas ha revolucionado la detección y diagnóstico de enfermedades, incluyendo el cáncer de mama. Aunque el ojo humano es capaz de percibir y procesar información visual, el procesamiento neuronal y la capacidad de reconocer objetos invariantes son fundamentales en la detección de regiones de interés. En el contexto del cáncer de mama, los especialistas pueden enfocarse en áreas relevantes de las imágenes médicas, analizando características como forma, textura y densidad para identificar signos de malignidad. Este proceso visual es esencial para un diagnóstico temprano y preciso, impactando en el pronóstico y tratamiento del paciente.
El cerebro es capaz de generalizar y extraer características claves de un objeto para su reconocimiento, lo que nos permite tener una comprensión robusta y precisa del mundo visual que nos rodea. Aunque el ojo humano es un órgano extraordinario en muchos aspectos, también tiene sus limitaciones. Una de las desventajas del ojo humano es su capacidad limitada para analizar imágenes en detalle. A menudo, los tumores y lesiones asociadas al cáncer de mama pueden ser pequeños y sutiles, lo que dificulta su detección a simple vista. Además, el ojo humano puede estar influenciado por factores subjetivos como la fatiga visual, el nivel de iluminación y la experiencia del observador, lo que puede afectar la interpretación precisa de las imágenes.
A diferencia del ojo humano, los algoritmos de procesamiento de imágenes pueden identificar patrones y anomalías de manera precisa y consistente. El procesamiento digital de imágenes médicas implica varias etapas, como la adquisición de imágenes de alta calidad, el preprocesamiento para mejorar la calidad y eliminar el ruido, la segmentación para identificar regiones de interés y la extracción de características relevantes para el diagnóstico. También se pueden utilizar técnicas de visualización tridimensional y reconstrucción de imágenes para una mejor comprensión de las lesiones. En el caso de los estudios de mama, se analizan aspectos morfológicos y estructurales para obtener información significativa que guíe el tratamiento adecuado para cada paciente.
Ilustración 1. Este esquema presenta un panorama general de la aplicación de la IA en la medicina. Constituye un ejemplo de cómo las aplicaciones en IA pueden actuar como herramientas auxiliares o complementarias para los especialistas de la salud, garantizando así que los diagnósticos y seguimientos estén respaldados por evidencia estadística y resultados cuantitativos.
La mama tiene una morfología y estructura única; es un símbolo de vida y nutrición que ha sido venerado desde tiempos ancestrales. En la cultura mexicana, la diosa Cihuacóatl personificaba la esencia femenina y era considerada la patrona de la fertilidad y la maternidad, encarnando la morfología sagrada de la mama. Desde el punto de vista médico, cada mama tiene una forma individual y característica, influenciada por factores genéticos, hormonales y de desarrollo. Estas variaciones, lejos de ser imperfecciones, son una singularidad de cada mujer, o pueden ser un indicador temprano de cáncer de mama (Price et al., 2015; Skaane, 2022).
Las mamas suelen tener una apariencia similar en tamaño, forma y posición. Sin embargo, una diferencia notable entre las mamas debe ser investigada para determinar la causa subyacente. La asimetría en desarrollo puede indicar un posible riesgo de cáncer de mama. Se ha observado que una asimetría detectada durante una mamografía de cribado tiene un 12.8% de probabilidad de estar asociada con el desarrollo de cáncer de mama. Además, una asimetría que supera el 20% de diferencia puede considerarse un posible indicio de cáncer de mama con un nivel de confianza del 99% (Scutt et al., 2014). Por lo tanto, cualquier asimetría persistente o preocupante en las mamas debe ser evaluada por un médico, quien puede recomendar pruebas adicionales. La detección temprana ha demostrado consistentemente mejorar las posibilidades de éxito del tratamiento, con tasas de supervivencia a cinco años del 90% o más (Makandar & Halalli, 2016). Estos hallazgos resaltan la importancia de desarrollar métodos efectivos de diagnóstico temprano, y la mamografía ha demostrado ser eficaz en la detección de anomalías mamarias, incluyendo asimetrías sospechosas. Sin embargo, identificar de manera fiable y oportuna asimetrías sutiles entre las mamas en las mamografías sigue siendo un desafío.
La evaluación de la mama en busca de posibles indicadores tempranos de cáncer implica considerar rasgos asimétricos morfológicos y estructurales, como cambios en la forma, el grosor de la piel y la retracción del pezón, así como asimetrías relacionadas con la localización de densidades, la formación de tumores y la presencia de microcalcificaciones. Estas asimetrías no siempre indican cáncer y pueden tener explicaciones benignas, pero cualquier hallazgo inusual debe ser evaluado minuciosamente.
La fusión de inteligencia artificial (IA) y sistemas de diagnóstico asistido por computadora ha surgido como una poderosa herramienta para mejorar el diagnóstico temprano del cáncer de mama. Estos sistemas analizan estudios morfológicos y estructurales, permitiendo una detección más precisa y anticipada de posibles anomalías. La IA identifica patrones y características sutiles en mamografías, resonancias magnéticas y otros estudios, mejorando así el pronóstico y las opciones de tratamiento. En México, donde el cáncer de mama representa una amenaza significativa, la implementación de esta tecnología es crucial. La integración de sistemas de IA en el diagnóstico permitiría una detección más temprana, reduciendo la brecha en el diagnóstico temprano y mejorando la calidad de vida de las pacientes mexicanas.