El proyecto del Centro de Investigación en Computación se entrenó con estudios de cerca de 700 pacientes mexicanas y estima un nivel de riesgo bajo, medio o alto para ordenar los estudios que el especialista debe revisar primero.
Especialistas del Instituto Politécnico Nacional (IPN) desarrollan un sistema asistido por inteligencia artificial (IA) que identifica regiones anatómicas y posibles lesiones en estudios de mamografía, estima el nivel de riesgo de cáncer y establece prioridades para su revisión médica.
El proyecto está a cargo de Elsy Guadalupe Cruz Murrieta, maestra en Ciencias de la Computación y estudiante de doctorado, bajo la dirección del doctor José Eduardo Valdez Rodríguez, investigador del Centro de Investigación en Computación (CIC) del IPN. La asesoría clínica corre a cargo de la Dra. Lourdes Noemí Santos Aragón, médica radióloga especialista en imagen de la mama.
Según explicó Cruz Murrieta, la propuesta responde a uno de los principales desafíos en la detección del cáncer de mama. Señaló que en 2024 México contaba con 674 médicos certificados para atender a cerca de 20 millones de mujeres en edad de detección. A esto se suma la carga de trabajo de los especialistas, quienes evalúan en promedio entre 5 mil y 7 mil estudios al año, un factor que puede repercutir en la precisión de los diagnósticos.
Frente a ese panorama, la herramienta se plantea como un apoyo previo a la lectura del especialista.
“El sistema entra como una propuesta antes de la interpretación diagnóstica. La idea es analizar automáticamente los estudios disponibles en un determinado periodo y organizarlos de acuerdo con su nivel de prioridad, de manera que el especialista pueda identificar cuáles requieren una revisión más inmediata”.
El sistema funciona con distintos módulos de inteligencia artificial. Unos detectan las regiones anatómicas y de interés dentro de la imagen, otro clasifica la densidad mamaria y otro identifica características de posibles lesiones. Además, incorpora información clínica de cada paciente, como antecedentes familiares y personales de cáncer, terapia hormonal y obesidad. Con esos datos genera una estimación de riesgo, bajo, medio o alto, que determina el orden en que cada estudio debe ser revisado.
Uno de los componentes centrales de la investigación es una base de datos con estudios de aproximadamente 700 pacientes mexicanas, obtenidos mediante la colaboración con el Centro Médico ABC y el Instituto de Seguridad Social del Estado de México y Municipios (ISSEMYM), con autorización previa de los comités de ética de ambas instituciones. De acuerdo con Cruz Murrieta, entrenar los modelos con información de pacientes mexicanas permite desarrollar herramientas más acordes con el contexto clínico nacional, debido a las características de la densidad mamaria de esta población, que puede presentar tejido más denso o fibroso. El IPN indicó que la investigación evalúa tanto la capacidad de la IA para detectar posibles lesiones como su integración como herramienta de apoyo al proceso diagnóstico, bajo criterios de utilidad y seguridad.
“No pretendemos sustituir al especialista con IA, sino proporcionarle una herramienta adicional que le permita realizar mejor su trabajo y aprovechar de manera más eficiente su capacidad de diagnóstico”.
El comunicado no detalla resultados de desempeño del sistema, como su exactitud al clasificar los estudios, ni indica si ya se utiliza en algún hospital. Como siguiente etapa, el equipo contempla ampliar el proyecto hacia una red nacional de hospitales y servicios de telerradiología, con el objetivo de aprovechar mejor los recursos humanos especializados, reducir desplazamientos innecesarios y favorecer un acceso más equitativo al diagnóstico.
