Un equipo internacional de investigadores desarrolló un modelo de inteligencia artificial (IA) capaz de detectar el cáncer endometrial con una precisión sin precedentes: del 99,26%, superando ampliamente los métodos de diagnóstico automatizado actuales, que apenas alcanzan entre el 78% y el 81% de exactitud.
Este avance, publicado en la revista Computer Methods and Programs in Biomedicine Update, podría cambiar la detección temprana de esta enfermedad, que representa el cáncer ginecológico más común en Australia y una de las principales amenazas oncológicas para las mujeres.
El modelo, denominado ECgMLP, analiza imágenes microscópicas de tejidos mediante un sofisticado sistema que mejora la calidad de las muestras, identifica automáticamente las áreas sospechosas y procesa la información con algoritmos de autoaprendizaje.
Lo más destacable es su eficiencia computacional, que permite un análisis rápido y preciso sin necesidad de complejos equipamientos adicionales.
TE PUEDE INTERESAR: e-Taste: esta tecnología permite a las personas probar comida digital
Más sobre la IA que puede detectar el cáncer endometrial
- De acuerdo con los desarrolladores de este modelo, su forma de detección del cáncer es mucho más rápida y precisa gracias a su habilidad para ignorar información irrelevante y concentrarse solo en lo importante.
- Lo que hace que el modelo ECgMLP sea tan eficaz es la forma en que procesa los datos visuales. Mejora la imagen y luego filtra el ruido irrelevante.
- Esto le permite concentrarse en las áreas más informativas del tejido, un factor importante para las herramientas de detección del cáncer con IA.
- Luego el modelo evalúa rápidamente el tejido y ofrece una predicción diagnóstica con una precisión impresionante.
- La IA utiliza mecanismos avanzados de autoatención, una especie de reconocimiento digital de patrones.
- ECgMLP identificó correctamente el cáncer colorrectal con una precisión del 98,57%, el cáncer de mama con un 98,2% y el cáncer oral con un 97,34%.
- Los investigadores dicen que el modelo podría eventualmente integrarse en el software clínico. Esto apoyará a médicos en la toma de decisiones y mejorando los resultados a través de una intervención más temprana.
Foto: Gerd Altmann en Pixabay.