Detección del cáncer de mama usando IA

Este proyecto se desarrolló durante mis estudios de maestría en el ITM (Instituto Tecnológico Metropolitano) de Medellín y se tituló oficialmente “Protocolo abreviado de resonancia magnética asistido por computador para la detección y categorización de lesiones sospechosas de cáncer de mama”.

El objetivo del proyecto era revolucionar el diagnóstico del cáncer de mama mediante el desarrollo de un protocolo abreviado de imágenes por resonancia magnética (MRI) asistido por ordenador. Este enfoque innovador utiliza técnicas avanzadas de aprendizaje automático, concretamente Support Vector Machines (SVM) y Multiple Kernel Learning (MKL), para mejorar la detección y categorización de lesiones mamarias sospechosas.

El diagnóstico tradicional del cáncer de mama suele implicar protocolos de resonancia magnética largos y que consumen muchos recursos, lo que provoca retrasos en el inicio del tratamiento y aumenta la ansiedad de las pacientes y el gasto de dinero. El protocolo abreviado propuesto agiliza el proceso de obtención de imágenes sin comprometer la precisión del diagnóstico. Aprovechando las SVM, un potente algoritmo de aprendizaje supervisado, pudimos clasificar eficazmente las imágenes de resonancia magnética e identificar regiones de interés indicativas de posibles lesiones cancerosas.

Además, empleamos el MKL para integrar diversas fuentes de datos, como las características anatómicas, funcionales y texturales extraídas de las imágenes de resonancia magnética. Este enfoque multimodal mejora la solidez y fiabilidad de nuestro modelo de diagnóstico, permitiendo una identificación y caracterización más precisas de las lesiones mamarias.

Mediante la integración de SVM y MKL, nuestro protocolo asistido por ordenador ofrece varias ventajas sobre los métodos tradicionales. Reduce significativamente el tiempo necesario para la adquisición e interpretación de imágenes, lo que agiliza el diagnóstico y la planificación del tratamiento. Además, al aprovechar los algoritmos de aprendizaje automático, nuestro sistema puede adaptarse y mejorar con el tiempo, mejorando aún más sus capacidades de diagnóstico.