Por Carina López y Pool Contreras
MÉXICO, 26 ago (Xinhua) -- Una investigadora mexicana, Irari Jiménez López, del Instituto Politécnico Nacional (IPN, superior), desarrolla una herramienta con Inteligencia Artificial (IA) capaz de agilizar la detección del cáncer cervicouterino a través del análisis automatizado de imágenes citológicas.
La investigadora, también estudiante de doctorado del Centro de Investigación en Computación (CIC), desarrolló un programa computacional que analiza imágenes de células aisladas por medio de diferentes espacios de color, una estrategia que permite reorganizar la información visual de la imagen para resaltar características que pueden favorecer la clasificación automática de las células y reducir la influencia de otras menos relevantes.
"Lo que nosotros planteamos es analizar estas imágenes de citología cervical a través de modelos de Machine y Deep Learning (algunas de las áreas más avanzadas de la IA), así como algoritmos de visión por computadora", dijo Jiménez López a Xinhua.
El cáncer cervicouterino es uno de los principales desafíos de salud pública en México, donde representa la segunda causa de muerte en mujeres, solo por detrás del cáncer de mama, por lo que el diagnóstico oportuno es determinante para disminuir la incidencia de la enfermedad.
En detalle, la experta del IPN explicó que esos modelos de color pueden resaltar o tener ciertas características que le pueden ayudar a los algoritmos de IA a clasificar mejor la información de células normales y anormales.
"Nosotros utilizamos una arquitectura que se conoce como red neuronal convolucional, la cual tiene la capacidad de analizar imágenes por sí sola. (...) Utilizamos este tipo de arquitecturas, pero hablando nuevamente de los colores, pues hacemos un tipo de preprocesamiento", mencionó la universitaria.
Subrayó la importancia de esa iniciativa ante los desafíos que aún enfrenta la citología cervical, conocida como "Papanicolaou", uno de los principales métodos de tamizaje en el sector salud.
La interpretación de las muestras, continuó la experta, requiere personal especializado y puede implicar largas jornadas de trabajo, además de posibles discrepancias entre especialistas.
"Creo que algo que nosotros estamos desarrollando es analizar las imágenes como las vería un médico experto; es decir, una imagen con múltiples objetos. Si bien existen ya estudios donde analizan imágenes de citología, no hay muchos trabajos que utilicen imágenes de citología cervical", detalló Jiménez López.
Por su parte, el experto del CIC, José Eduardo Valdez Rodríguez, dijo que para desarrollar el sistema se utilizan algoritmos de IA, en particular redes neuronales profundas, capaces de aprender a partir de imágenes y entre las que destacan las redes neuronales convolucionales, inspiradas en el funcionamiento de la visión humana.
Esas redes analizan las imágenes por diferentes capas y van identificando características de manera progresiva, desde los elementos más generales hasta los últimos detalles.
En ese contexto, el sistema puede aprender a reconocer patrones en las imágenes de las muestras y apoyar a los especialistas en la detección de posibles alteraciones.
De forma complementaria, el proyecto contempla el desarrollo de un algoritmo de segmentación cuya función es identificar las regiones de interés dentro de la imagen para delimitar estructuras celulares.
Esa información permite realizar un análisis cuantitativo de la imagen y precisar si corresponde a una célula sana o una anormal.
Hasta el momento, los resultados obtenidos muestran niveles de exactitud superiores al 95 por ciento en la identificación de células aisladas, cifra que demuestra el potencial del proyecto para apoyar el análisis de imágenes médicas.
