Investigadores internacionales han desarrollado un modelo avanzado de inteligencia artificial (IA) que alcanza una precisión diagnóstica del 99,26% en la detección del cáncer endometrial.
Este hallazgo, publicado en la revista Computer Methods and Programs in Biomedicine Update, representa un hito en la detección temprana del cáncer ginecológico y podría transformar los protocolos diagnósticos existentes, ya que este modelo está superando significativamente los métodos automatizados actuales, cuyo rango de exactitud varía entre el 78% y el 81%.
El cáncer endometrial, que compromete el epitelio del útero, es actualmente el cuarto tipo de cáncer de mayor crecimiento en incidencia entre las mujeres a nivel mundial. Su etiología está fuertemente vinculada a factores hormonales, genéticos y ambientales, lo que lo convierte en una neoplasia de interés prioritario en la oncología ginecológica.
Los métodos de detección actuales incluyen la ecografía transvaginal, la biopsia endometrial y el análisis histopatológico, aunque presentan limitaciones en términos de sensibilidad y especificidad.
En este contexto, el modelo de IA ECgMLP podría optimizar significativamente la evaluación histopatológica de los tejidos afectados al mejorar la precisión diagnóstica y reducir el tiempo de análisis, lo que podría impactar positivamente en la toma de decisiones clínicas y en la gestión de pacientes con sospecha de cáncer endometrial.
El ECgMLP opera mediante el análisis de imágenes histopatológicas, utilizando un enfoque de optimización de imagen y detección automatizada de estructuras neoplásicas. Su funcionamiento se estructura en dos fases:
Preprocesamiento de imágenes: Emplea algoritmos de mejora visual para corregir iluminación, eliminar artefactos y resaltar características histológicas clave.
Segmentación e identificación de anomalías celulares: Utiliza redes neuronales profundas para detectar patrones morfológicos asociados a malignidad, señalando con alta precisión las áreas sospechosas mediante un enfoque de aprendizaje supervisado y no supervisado.
El doctor Asif Karim, coautor del estudio y especialista en informática médica de la Charles Darwin University, destacó: "ECgMLP supera los métodos tradicionales en precisión diagnóstica y eficiencia computacional, lo que facilita su integración en entornos clínicos reales".
Por su parte, la profesora Niusha Shafiabady, de la Australian Catholic University, enfatizó que "esta tecnología tiene el potencial de incorporarse en sistemas de soporte a la decisión clínica, mejorando la rapidez y confiabilidad de los diagnósticos histopatológicos".
A pesar de los resultados prometedores, los investigadores señalan que el modelo ECgMLP requiere validación adicional a través de ensayos clínicos para evaluar su robustez en escenarios del mundo real.
Su implementación podría redefinir las estrategias diagnósticas del cáncer endometrial, proporcionando una herramienta de alto rendimiento para los especialistas en oncología y patología.
