Las nuevas tecnologías aplicadas en la detección precoz del cáncer de mama

Actualmente el cáncer de mama, una de las principales causas de muerte en la población femenina a nivel mundial, es detectado y diagnosticado con una combinación de exámenes físicos, imágenes y biopsias. Uno de los principales y más eficaces métodos de detección precoz de este tipo de cáncer de mama es la mamografía, que consiste en realizar imágenes de rayos X en ambos senos de la paciente.

En este contexto, y con la intención de colaborar en el trabajo de los radiólogos en el diagnóstico precoz del cáncer, el Grupo de Automatización en Señal y Comunicaciones (GASC) de la Universidad Politécnica de Madrid, ha desarrollado un modelo basado en la diagnosis asistida por ordenador (Computer Aided Diagnosis, CAD) y la automatización de la visualización de imágenes. De esta forma se consigue mejorar en el diagnóstico ya que las mamografías son imágenes difíciles de interpretar por los radiólogos, en general estas imágenes tienen muy poco contraste y pueden mostrar diferentes características y patrones dependiendo de la anatomía del seno y densidad del tejido, lo cual varía con la edad del paciente, su estado hormonal y físico.

Una señal importante de posible cáncer de mama es la existencia de pequeños depósitos de calcio incrustados en el tejido de la mama, usualmente llamados microcalcificaciones. Las microcalcificaciones malignas se caracterizan por ser más numerosas, agrupadas, pequeñas, con forma de punto o elongadas y su tamaño, forma y densidad pueden variar. En cambio, las microcalcificaciones benignas se caracterizan generalmente por ser grandes, más redondas, numéricamente inferiores a las malignas, su distribución es más difusa y su tamaño y forma son más homogéneos. Sin embargo la caracterización de las microcalcificaciones representa un problema difícil, aun para el radiólogo experimentado, principalmente por su tamaño(1), incluso con la utilización de los sistemas CAD, que han sido de gran ayuda para la interpretación de las mamografías por más de dos décadas.

Por esta razón se están desarrollando nuevos sistemas para la detección y clasificación de las microcalcificaciones. La mayoría de estos sistemas están basados principalmente en redes neuronales artificiales, análisis wavelet, análisis de imágenes mediante modelos Bayesianos, máquinas de vector soporte, morfología matemática, lógica difusa o modelos fractales.

En el Grupo de Automatización en Señal y Comunicaciones de la UPM se han realizando varios trabajos de investigación para detectar microcalcificaciones consiguiendo un modelo que contempla el efecto sinérgico del procesado de imagen con técnicas multirresolución y la extracción de estructura de los niveles de grises. Así, se seleccionan las características más representativas de las microcalcificaciones con ayuda de redes neuronales artificiales, unos clasificadores neuronales, una rama de la Inteligencia Artificial inspirada en modelos del funcionamiento básico de las neuronas biológicas.

A partir de los resultados, se han propuesto mejoras en el sistema CAD para la etapa de detección de microcalcificaciones. En las imágenes se muestran los resultados obtenidos en los trabajos realizados. En las Fig. 1(a) y Fig. 2(a) se muestran imágenes de mamografía digitalizada con diagnostico de cáncer de mama en las que se ha seleccionado unas regiones de interés, Fig. 1(b) y Fig. 2(b), que posteriormente fueron marcadas por un radiólogo experto y se detectaron microcalcificaciones a diferentes resoluciones: a 8 bpp (bits por pixel) Fig. 1(c) y Fig. 2(c) y a 12 bpp Fig. 1(d) y Fig. 2(d) respectivamente.

(1) Proceedings of The 12th World Multi-Conference on Systemics, Cybernetics and Informatics 08 Vol 8, pp 74-79. 2008. “Application of Fractal and Wavelets in Microcalcification Detection”, M.G. Cortina-Januchs, J. Quintanilla-Dominguez, Aleksandar Jevtić, Diego Andina.