Un grupo de científicos del Instituto de Ingeniería y Tecnología Biomédica de Suzhou (SIBET) propuso un nuevo método con la Red de Atención y Contextualidad Basada en la Modalidad (MAC) para ayudar mejor a la diferenciación preoperatoria entre los tumores epiteliales de ovario limítrofes (BEOT) y los tumores epiteliales de ovario malignos (MEOT), dos tumores ginecológicos diferentes.
Hoy en día, el proceso se realiza con resonancia magnética multiparamétrica. Este método se basa en gran medida en la experiencia, es subjetivo, requiere mucho tiempo y tiene una precisión relativamente baja que oscila entre el 74% y el 89%. Además, depende en gran medida del radiólogo que evalúa las imágenes obtenidas tras el escaneo.
También le puede interesar: Cáncer en América Latina: uso de nuevas tecnologías y medicina personalizada
De acuerdo con estadísticas presentadas por los científicos, los tumores epiteliales de ovario malignos son las neoplasias ginecológicas más letales y representan el 90% de los casos de cáncer de ovario. Por su parte, los tumores epiteliales limítrofes tienen un bajo potencial de malignidad y un mejor pronóstico con una tasa de supervivencia a 5 años del 92%, en comparación con el 35% detectado en los tumores malignos.
Como es lógico, entre más temprano se obtenga el diagnóstico, mayores serán las posibilidades de recuperación de las pacientes. Sin embargo, como exponen los desarrolladores, el tratamiento varía notoriamiente. Para aquellas con tumores de ovario limítrofes, el tratamiento conservador suele ser la alternativa más común que además permite conservar la función ovárica y la fertilidad. Pero, si se trata de tumores malignos se opta por estadificación quirúrgica exhaustiva y la posterior quimioterapia adyuvante.
Le puede interesar: Casos de autismo y glioblastoma tendrían el mismo origen: estudio
¿Cómo se logra identificar a los tumores de ovario con esta red?
La red neuronal denominada MAC-Net presenta una gran adaptabilidad a la imagen y a la enfermedad, aseguran sus creadores. Su tecnología de fusión de imágenes no solo puede aplicarse en tumores de ovario sino que puede extenderse a la fusión de imágenes multimodales (como TAC, PET, etc.) y con otros propósitos como la detección de tumores sólidos (cáncer de pulmón, cáncer de hígado, cáncer de intestino, cáncer de mama y cáncer de próstata).
De acuerdo con la publicación en Artificial Intelligence In Medicine, este método de diagnóstico automático puede lograrse sin el límite preciso del tumor, sino sólo con la determinación de la posición superior e inferior del mismo, lo que lo hace un sistema más inteligente a otras herramientas actuales.
La red se caracteriza por las herramientas tecnológicas que emplea. Uno de sus módulos puede aprender a distinguir ciertos rasgos y fusionarlos, de acuerdo con la toma de decisiones sobre el diagnóstico de los pacientes. Y el otro módulo de interés utiliza un sólido conocimiento previo de la distribución del tumor como referencia importante y evalúa la información contextual entre las imágenes adyacentes, logrando así una predicción más precisa.
No olvide leer: El impacto económico de la obesidad en México en 2060 será del 4.67% del PIB anual
