POLITÉCNICOS CREAN UN SISTEMA QUE DETECTA CÁNCER DE PULMÓN

Evitará que pacientes sanos se sometan a biopsias o tratamientos invasivos innecesarios.

Redacción
Todo menos politica
Foto: Especial
Foto: Especial

Tocados por el genio de la innovación estudiantes del Instituto Politécnico Nacional (IPN) desarrollaron una herramienta computacional que efectúa prediagnósticos para identificar a pacientes con cáncer de pulmón en etapa temprana.

El sistema, creado por Ximena Fernanda Cortés Perales, Isaac Iván Aguirre Bahena y Sergio Martínez Ávila, alumnos de la Escuela Superior de Cómputo (Escom), analiza imágenes de tomografías computarizadas del tórax y las clasifica para elaborar un prediagnóstico que puede ayudar a los médicos especialistas en la elaboración de sus diagnósticos concluyentes.

Atraídos por la Inteligencia Artificial y el deseo por sumarse al conjunto de creadores e innovadores que revolucionan el mundo de la tecnología y la ciencia los politécnicos pensaron “en un proyecto que significara un reto técnico y fuera útil a la sociedad”.

En entrevista Aguirre Bahena, de 24 años, relata: “Barajamos distintas ideas y caímos en la cuenta de la enorme utilidad de un diagnóstico certero de cáncer de pulmón. Las tomografías digitalizadas de los pulmones contienen gran cantidad de información valiosa que puede pasar desapercibida, lo cual dificulta la toma de decisiones y provoca diagnósticos erróneos”.

Además el proyecto tiene un enorme impacto social porque “actualmente en México el cáncer de pulmón se considera la segunda causa de muerte en hombres y cuarta en mujeres”.

El primer obstáculo que enfrentaron los informáticos fue ubicar y acceder a una amplia base de datos digitalizados.

Después de una búsqueda ardua ya que no es fácil lograr el acceso a una información digital clasificada, por fin los desarrolladores consiguieron la autorización de acceso a un banco de imágenes de mil 400 pacientes difundidas en internet y el sitio The Lung Image Database Consortium Image Collection, de Estados Unidos, con las que entrenaron una serie de algoritmos capaces de reconocer las diferencias entre tomografías de pacientes sanos y aquellos con afección en los pulmones.

Para el análisis digital de las imágenes los jóvenes diseñadores emplearon redes neuronales artificiales (o técnicas de reconocimiento de modelos), con las que clasifican las imágenes de acuerdo a ciertos patrones, rasgos y características deseadas.

Aguirre Bahena dice que otra herramienta fundamental para el proyecto fue la tecnología machine learning. “El propósito de machine learning es que las personas y las máquinas trabajen de la mano, lograr que estas sean capaces de aprender como un humano lo haría. Precisamente esto es lo que hacen los algoritmos: permiten que las máquinas ejecuten tareas tanto generales como específicas”, explica.

Si bien al principio sus funciones eran básicas y se limitaban a filtrar emails hoy este sistema computacional puede hacer cosas tan complejas como predicciones de tráfico en intersecciones muy transitadas, detectar cáncer, mapear sitios para generar proyectos de construcción en tiempo real e incluso definir la compatibilidad entre dos personas.

Vencieron

El equipo politécnico revisó las mil 400 tomografías de tórax y Aguirre Bahena especifica que utilizaron una parte de las imágenes para entrenar el algoritmo, otra para el proceso de evaluación que permite medir el desempeño del sistema y destinaron otra fracción de tomografías para hacer pruebas con imágenes diferentes a las del entrenamiento.

“Nuestro sistema alcanzó 95% de precisión y 95% de exhaustividad, que se refiere al porcentaje de los prediagnósticos que se clasifican correctamente”, confía.

Entusiasmado por los logros sostiene que la herramienta “mejora el diagnóstico, porque en una tomografía de tórax es difícil para el oncólogo distinguir entre un nódulo linfático y un nódulo de células malignas”.

También aclara que “la herramienta computacional no pretende de ninguna manera sustituir los análisis clínicos y métodos tradicionales pero evitará que pacientes sanos se sometan a biopsias o tratamientos invasivos innecesarios ya que el programa es capaz de identificar las imágenes que presentan el más mínimo indicio de cáncer, lo que permite al especialista ordenar biopsia únicamente a aquellos pacientes seleccionados por el sistema”.

El desarrollo y diseño del algoritmo y el sistema requirió de un año de planeación, pruebas y ejecución con un alto costo económico ya que incluye el proceso de construcción computacional y el procesamiento de imágenes que se encuadran, limpian y filtran, así como distintos métodos computacionales para distinguir entre las imágenes de un paciente con cáncer y otro perfectamente sano.

Aguirre Bahena admite que se trabajó con un equipo convencional y que si hubieran tenido acceso a máquinas con la potencia adecuada para correr el machine learning quizá los resultados serían más óptimos.

Sin embargo los politécnicos pudieron sobreponerse a los obstáculos, vencieron limitaciones tecnológicas y concretaron una herramienta computacional para la detección oportuna de cáncer de pulmón, la que además se proponen sea una plataforma abierta para cualquier médico oncólogo o institución dedicada a la prevención y detección del cáncer pulmonar.

Señala el Instituto Nacional de Cáncer de Estados Unidos que 70% de los diagnósticos de cáncer en estados clínicos tempranos tienen mejor respuesta al tratamiento. De ahí la relevancia de este novedoso sistema creado en el IPN, que auxilia en la detección oportuna del cáncer de pulmón.

Por lo pronto estos jóvenes programadores han obtenido con honores el grado de licenciatura por su talento innovador y se alistan a continuar sus estudios en cómputo en instancias superiores.

Tecnología que se construye a sí misma

Por medio de machine learning (o “aprendizaje automático”) las computadoras aprenden automáticamente cómo hacer predicciones y a tomar decisiones a partir de gran cantidad de datos. Invisible, machine learning está en casi todos lados: cuando hacemos una consulta en Google el motor de búsqueda averigua qué resultados y anuncios mostrar. Por medio del aprendizaje automático Netflix sabe qué series y películas recomendarnos. Y Twitter está alerta de qué mensajes mostrar y reenviar un número infinito de veces.