Detectando el cáncer colorrectal en menos de un segundo: una nueva IA que busca salvar vidas

octubre 30, 2017

Cancer

Un nuevo sistema de inteligencia artificial creado en Japón es capaz de detectar cáncer colorrectal en menos de un segundo con una tasa de precisión del 94 %, según los investigadores encargados del estudio. El hallazgo de la Universidad de Showa, ubicada en la ciudad nipona de Yokohama, fue presentado en la Semana Europea de Gastroenterología en Barcelona.

Los científicos reponsables de este ensayo utilizaron un programa para evaluar 306 pólipos colorrectales en 250 mujeres y hombres. Crecimientos que tienen lugar en el intestino y pueden ser cancerosos.

La inteligencia artificial aprendió con 30.000 ejemplos

La IA tardó menos de un segundo en analizar cada una de las imágenes endoscópicas ampliadas que le facilitaron, siendo capaz de detectar si los pólipos eran malignos o no. El diagnóstico fue acertado en más de nueve de cada diez casos gracias al aprendizaje automático. El sistema había sido entrenado con 30.000 imágenes de afecciones diagnosticadas.

El software, en palabras de uno de los investigadores, el doctor Yuichi Mori, ayudará mucho a los endoscopistas e impedirá intervenciones innecesarias:

El avance más notable con este sistema es que la inteligencia artificial permite la biopsia óptica en tiempo real de pólipos colorrectales durante la colonoscopia, independientemente de la habilidad de los endoscopistas. Esto permite la resección completa de pólipos adenomatosos (cancerosos) y evita la polipectomía innecesaria (extirpación) de pólipos no neoplásicos.

A principios de año, supimos que otra investigación consiguió que un algoritmo de aprendizaje automático igualase e incluso superase por primera vez a los dermatólogos identificando ciertos tipos de cáncer de piel. A través de simples fotografías de lesiones cutáneas, fue capaz de ponerse al nivel de los médicos especialistas.

Según Mori, los resultados presentados en Barcelona son «aceptables para la aplicación clínica», así que su objetivo es obtener una aprobación para emplear el sistema de diagnóstico.

En Genbeta | El Deep Learning necesita 100.000 ejemplos para funcionar y ayuda de humanos