Inteligencia artificial, nueva aliada contra el cáncer de mama

Matías Loewy

En la poesía de Pablo Neruda, el sol evoca pistilos ardiendo, el silencioso sello extendido en los campos del camino o el fuego de su fuego. Pero para la mastóloga Karina Pesce, más pragmática, el sol y sus rayos recuerdan el destello de un nódulo en la mamografía. Y las mamas densas, aquellas con mayor cantidad de tejido glandular, son comparables con un cielo nublado que oculta el astro a la vista, lo cual puede derivar en resultados de chequeos que se leen como normales cuando, en realidad, existe una lesión que debería estudiarse y eventualmente extirparse.

No es una situación para subestimar. La densidad mamaria elevada se presenta en alrededor del 45% de las mujeres de más de 40 años y también es un factor de riesgo independiente de cáncer de mama, explica Pesce, quien es jefa de la Sección Diagnóstico e Intervencionismo Mamario del Servicio de Diagnóstico por Imágenes del Hospital Italiano, que dirige Martín Rabellino. Sin embargo, la determinación de esta condición por la apariencia visual en la mamografía es subjetiva y suele haber discordancias entre los radiólogos o incluso cambios de opinión del mismo profesional cuando observa idénticas imágenes con algunas semanas de diferencia.

Para abordar ese desafío, Pesce lideró un proyecto multidisciplinario que, en menos de un año, desarrolló una red neuronal que pudo aprender a reconocer patrones de imágenes y categorizar de forma automática y precisa las mamas según su densidad.

La identificación certera de mujeres con mamas densas "no solo ayuda para el diagnóstico, sino que también las coloca en un grupo de riesgo que requiere un seguimiento más personalizado y quizás alguna exploración complementaria a la mamografía", como puede ser una ecografía o resonancia, sostiene Julia Frangella, una médica especialista en diagnóstico por imágenes que ahora integra el Departamento de Informática en Salud del Italiano.

El "secreto mejor guardado"

La densidad mamaria suele ser soslayada como dato de las mamografías. En 2015, Pesce condujo una encuesta en casi 1600 mujeres (80% con estudios terciarios o universitarios) y solo 1 de cada 4 conocía que existía una relación entre las mamas densas y un mayor riesgo de cáncer, que puede aumentar de dos a seis veces. Las guías oficiales argentinas de tamizaje de cáncer de mama entre los 50 y 69 años no hacen ninguna referencia a la necesidad de medir o informar ese parámetro.

Para Nancy Cappello, una educadora estadounidense fallecida a fines de 2018, la probabilidad de que la mamografía no permitiera visualizar nódulos en mamas densas era el "secreto mejor guardado". Por una cuestión de contraste, "es como buscar un oso polar en medio de una tormenta de nieve", comparaba.

Pero ella no lo sabía. En 2004, seis semanas después de un chequeo "normal" con esa técnica, el médico palpó un pequeño bulto en su mama derecha. La ecografía reveló una lesión sospechosa de 2,5 centímetros, que resultó ser un cáncer de mama avanzado. Cappello tuvo que someterse a mastectomía, cirugía de reconstrucción, ocho sesiones de quimioterapia y 24 de rayos. Fundó una ONG ("Are you dense?") para concientizar sobre el problema. En marzo de este año, una norma federal propuso que todos los centros que realizan mamografías en ese país notifiquen a las pacientes cuando constaten que la densidad es alta.

La nueva red neuronal del Hospital Italiano, sin precedentes en el país, fue bautizada Artemisia, en homenaje a Artemisia Gentileschi, la primera mujer que integró la Accademia di Arte del Disegno de Florencia, Italia. Pero, más que arte, su desarrollo requirió de algoritmos de aprendizaje profundo capaces de adquirir una habilidad a partir de la experiencia. La herramienta "no nació sabiendo", sintetiza el ingeniero Matías Tajerian, quien, junto a su colega Ezequiel Quiroga, participaron del proyecto desde el Departamento de Informática en Salud.

Para entrenarla, los profesionales expusieron a Artemisia a 10.000 mamografías con la clasificación de densidad ya realizada, una cantidad que se pudo aumentar a millones mediante una estrategia de aumentación de datos. Y luego verificaron que era capaz de clasificar con precisión la densidad mamaria según la escala habitual cualitativa (A, B, C y D) cuando le presentaban nuevas imágenes. "Me sorprendió que aprendiera tan rápido", confía María Paz Swiecicki, del Servicio de Diagnóstico por Imágenes.

La herramienta ya está incorporada al entorno productivo del hospital y, en poco más de un mes, ya evaluó y categorizó la densidad mamaria en 4400 mamografías. Cuando el médico observa la imagen del estudio en su computadora, Artemisia le muestra en un segundo monitor adyacente el resultado de su análisis. Y el profesional tiene la opción de aceptar o modificar esa sugerencia según su propio juicio, sin que interfiera con el flujo de trabajo. "Por ahora, el nivel de coincidencia ronda del 75 al 90%, lo que es un muy buen número", asegura Tajerian.