Un grup d'investigadors valencians de l'Institut de Física Corpuscular (IFIC), centre mixt del Consell Superior d'Investigacions Científiques (CSIC) i la Universitat de València (UV), i de l'Institut de Telecomunicacions i Aplicacions Multimèdia (iTEAM), centre d'investigació de la Universitat Politècnica de València (UPV), treballarà en un projecte d'investigació mundial de detecció de càncer de mama, segons han informat en un comunicat representants d'estos científics.

L'equip valencià ha sigut seleccionat per a la fase final del Digital Mammography DREAM Challenge (DM Challenge), un projecte mundial impulsat per les principals institucions de lluita contra el càncer americanes, IBM i Amazon, l'objectiu final del qual és millorar la detecció del càncer de mama mitjançant la interpretació de la mamografia amb tècniques d'intel·ligència artificial.

En esta primera fase competitiva van participar més 1.200 investigadors de tot el món repartits en més de 120 equips. L'objectiu era identificar els millors grups per a continuar en la fase col·laborativa. En este procés només vuit grups van passar a la final. Entre ells, l'equip de l'IFIC (CSIC-UV) i la UPV va ser l'únic representant espanyol.

L'objetiu dels finalistes ara és construir un nou model, basat en avançats algoritmes de predicció, que ajude els professionals mèdics en el diagnòstic d'esta patologia i a reduir el nombre de falsos positius, així com evitar la repetició de proves invasives innecessàries, han detallat les mateixes fonts.

L'investigador de l'iTEAM Alberto Albiol ha explicat que "actualment, de cada 1.000 dones que se sotmeten a una mamografia, 5 són diagnosticades amb càncer" i ha ressaltat que "cent tornen a ser citades per a sotmetre's de nou a esta prova, amb el que açò comporta per a la pacient tant d'estrés com de radiació en el seu cos".

En la primera fase del desafiament, els participants van completar dos tasques: van desenvolupar un primer algoritme predictiu per a analitzar imatges de mamografia digital i un segon capaç d'analitzar tant imatges de mamografia digital com a informació clínica addicional.

L'equip valencià ha destacat que esta és la primera vegada que s'accedeix a una col·lecció d'imatges d'esta magnitud amb finalitats científiques. Les imatges -més de mig milió- estan preses directament dels hospitals, amb el que els resultats seran més fàcilment traslladables a la pràctica clínica.

Els investigadors valencians han desenvolupat des de zero un algoritme de predicció que presenta "importants avantatges per al seu ús en la pràctica clínica" perquè "han resultat claus per a ser seleccionats en la fase final d'este ambiciós projecte". Per a açò, es basen en xarxes neuronals convolucionals, una tècnica d'intel·ligència artificial que simula les neurones de l'escorça visual i permet la classificació d'imatges, a més de l'autoaprenentatge del sistema.

Així mateix, apliquen principis relatius a la interpretació de rajos X, on el grup disposa de diverses patents. L'investigador de l'IFIC Francisco Albiol ha comentat que "este algoritme permet detectar lesions de tipus maligne" i ha apuntat que "és el millor sistema de prevenció a gran escala dels quals es disposen en este tipus de dolències".

"Un dels avantatges fonamentals és que este tipus de desenvolupaments va a permetre un ús racional d'equipaments com mamògrafs, on el problema hui dia no és tant l'adquisició de l'equipament com la falta de radiòlegs experts per a estendre les campanyes de prevenció a un rang major de població", ha detallat.

Igual que la resta de participants en la primera fase del desafiament, els investigadors de l'IFIC (CSIC-UV) i la UPV van treballar amb una base de dades de centenars de milers de mamografies i dades d'assajos clínics totalment anònims allotjats en el núvol i aportats per Health Group i la Icahn School of Medicine Mount Sinai, "en un clar exemple de gestió de grans volums de dades o Big Data aplicat a la salut", han assenyalat les mateixes fonts.

Igualment, la Food and Drug Administration nord-americana (FDA) està seguint els procediments realitzats durant el repte per a poder fer que este tipus de tècniques puguen ser aplicats a sistemes de salut.

En les proves desenvolupades en la primera fase del DM Challenge, l'algoritme dels investigadors valencians va obtindre una precisió predictiva del 80%, encara inferior a la d'un radiòleg expert. Després d'esta fase, els vuit equips guanyadors treballen de forma col·laborativa amb l'objectiu fonamental de desenvolupar un algoritme que puga igualar l'exactitud en el diagnòstic d'un radiòleg expert.

Alberto Albiol ha indicat que el treball que s'està desenvolupant en este repte mundial facilitarà als metges el diagnòstic i permetrà depurar la interpretació de les imatges de les mamografies". Els resultats d'esta fase col·laborativa final es publicaran en la revista Nature i, si l'algoritme és capaç de reproduir el diagnòstic d'un radiòleg expert, l'organització repartirà el milió de dòlars destinat a este repte entre els equips finalistes.