Desarrollan inteligencia artificial capaz de detectar el cáncer endometrial con 99% de precisión

El cáncer de endometrio o cáncer endometrial es una de las enfermedades ginecológicas más comunes. Según datos de la Sociedad Española de Oncología Médica, se calcula que en 2020 se diagnosticaron unos 417.000 nuevos casos alrededor del mundo.

De acuerdo con profesionales de la salud de Mayo Clinic, el cáncer de endometrio comienza como una proliferación de células en el útero y suele detectarse de forma temprana, ya que provoca síntomas específicos.

Los signos de alarma del cáncer de endometrio pueden incluir sangrado vaginal después de la menopausia, sangrado entre periodos menstruales y dolor pélvico. Ante estos síntomas, la recomendación es acudir con un especialista.

Esta enfermedad se puede detectar mediante un examen físico, pruebas de laboratorio y procedimientos como ecografías y biopsias. En fechas recientes un grupo de científicos desarrolló una nueva inteligencia artificial capaz de diagnosticar el cáncer endometrial con 99% de precisión, superando ampliamente los métodos de diagnóstico automatizado actuales. 

Un estudio publicado en la revista Computer Methods and Programs in Biomedicine Update señala que esta tecnología podría revolucionar la forma en que se detecta el cáncer endometrial. 

El modelo de inteligencia artificial, nombrado ECgMLP, estudia las imágenes microscópicas de los tejidos de las pacientes mediante un sofisticado sistema que mejora la calidad de las muestras, identificando automáticamente las áreas sospechosas y procesando la información con algoritmos de autoaprendizaje.

De acuerdo con los desarrolladores de este modelo, su forma de detección del cáncer es mucho más rápido y preciso gracias a su habilidad para ignorar información irrelevante y concentrarse solo en lo importante. 

Al respecto, el Dr. Asif Karim, experto en informática de la Charles Darwin University y coautor del estudio, indicó que el modelo de inteligencia artificial tiene una gran eficacia clínica. "ECgMLP no solo supera a los métodos existentes en precisión, sino que lo hace manteniendo una eficiencia clínica que facilita su implementación práctica", destacó.

Por su parte, la profesora Niusha Shafiabady, de la Australian Catholic University, destaca que "esta tecnología podría integrarse en sistemas de apoyo a la decisión clínica, ayudando a los médicos a diagnosticar más rápido y con mayor certeza".