De acuerdo con el creador del software, el proyecto sugiere que el análisis se haga con el mismo equipo que realiza la colposcopía y sea un apoyo para la toma de decisiones del experto. No se busca sustituir sino apoyar.
Por Dioreleytte Valis
Xalapa, Veracruz, 11 de diciembre (Agencia Informativa Conacyt).- En el Centro de Investigación en Inteligencia Artificial (CIIA) de la Universidad Veracruzana se desarrollan líneas de investigación orientadas a facilitar diagnósticos médicos, como es el caso del cáncer cervicouterino. Tras este enfoque, el doctor Héctor Gabriel Acosta Mesa diseñó un sistema que auxilia en el diagnóstico de lesiones cancerígenas, mediante el uso de la colposcopía.
El sistema se vale de la información visual aportada por una serie de imágenes, de las cuales se extraen patrones que permiten el aprendizaje automático de la máquina. El aprendizaje automático —como lo denomina el experto— es información ingresada al sistema y que es aportada por los especialistas en colposcopía que, a través de un modelo matemático, aprende las relaciones entre las distintas características de la imagen y de esta forma facilita el diagnóstico basado en factores cuantitativos.
El proyecto fue financiado por el Fondo Sectorial de Investigación en Salud SSA/IMSS/ISSSTE-Conacyt y presentado como «Análisis del comportamiento espectral del epitelio escamoso normal del cérvix y el epitelio acetoblanco por infección de virus del papiloma, mediante el procesamiento digital de imágenes colposcópicas usando un modelo dinámico lineal», y en la primera fase se trabajó con doscientas pacientes para entrenar el sistema.
El doctor Héctor Acosta es especialista en inteligencia artificial, coordinador de maestría en el CIIA y miembro nivel I del Sistema Nacional de Investigadores (SNI). En entrevista con la Agencia Informativa Conacyt, compartió detalles sobre su línea de investigación Análisis de imágenes médicas, particularmente enfocada en el diagnóstico del cáncer cervicouterino.
Agencia Informativa Conacyt (AIC): ¿De qué herramientas se vale el análisis de imágenes para convertirlas en datos cuantitativos?
Héctor Gabriel Acosta Mesa (HGAM): Fundamentalmente de texturas en tejidos, otro factor es el color, importante para ciertas decisiones, como características sugestivas de cáncer, y más en un esquema como la temperatura. También se evalúa la profundidad para concluir si hay inflamación, y las relaciones espaciales, que son características para generalizar en una regla. La idea es que automáticamente el análisis de la imagen mediante estas características realice un diagnóstico. El software sugiere, mediante el estudio de la secuencia de imágenes, un diagnóstico en aproximadamente cinco minutos.
AIC: ¿Cómo se lleva a cabo el uso del sistema?
HGAM: La colposcopía la realiza un médico especialista a través de la observación del cérvix y la aplicación de un reactivo. Después de limpiar mucosidad del área, observa y emplea el reactivo que produce un efecto acetoblanco, en donde las células que están en transformación (tentativamente cancerígenas) muestran núcleos grandes, lo que impide el paso de la luz. Por tal motivo, durante la reacción se observa una lesión similar a la escarcha. La reacción tiene un tiempo aproximado de 15 minutos, por lo que es difícil y subjetiva la evaluación de cada experto. El objetivo es estandarizar el proceso y ayudar en el diagnóstico, mediante la máquina de evaluación en términos matemáticos.
AIC: ¿Qué beneficios aportaría el uso de esta tecnología?
HGAM: El proyecto sugiere que el análisis se haga con el mismo equipo que realiza la colposcopía y sea un apoyo para la toma de decisiones del experto. No se busca sustituir sino apoyar. Por ejemplo, si en una clínica rural no cuentan con un experto en colposcopía, este sistema podría brindar un primer diagnóstico para referir a las personas a especialistas.
AIC: ¿Se harán cambios en el sistema diseñado?
HGAM: Agregaremos características para mejorar su predicción. El sistema toma en cuenta el cambio acetoblanco, pero hay otras precisiones que considerar como mosaicos y puntilleos, que son patrones vasculares que lo expertos también toman en cuenta. Además, se considera agregar datos clínicos de la paciente, como si es fumadora, tiene hijos, edad, etcétera.
Derivado de este estudio, en el 2014 publicó el texto “Application of time series discretization using evolutionary programming for classification of precancerous cervical lesions” en Journal of Biomedical Informatics. Asimismo, participó como coautor del artículo “An image registration method for colposcopic images”, publicado en 2013 por Computational and Mathematical Methods in Medicine.
