El càncer de mama és la malaltia oncològica més diagnosticada entre les dones al món, amb més de 2,3 milions de casos anuals i continua sent una de les principals causes de mortalitat per càncer. Predir amb precisió si aquest tipus de tumor tornarà a aparèixer continua sent un dels reptes clau de l’oncologia. Per avançar en aquest camp, un equip internacional liderat per la Universitat Rovira i Virgili ha desenvolupat un model d’intel·ligència artificial capaç d’integrar dades d’imatges mèdiques i informació clínica per calcular el risc de reaparició del tumor de manera més acurada i interpretativa, amb un elevat nivell de precisió.
El nou sistema combina dues fonts d’informació: d’una banda, utilitza imatges de ressonància magnètica dinàmica amb contrast i, de l’altra, dades clíniques de cada pacient. A diferència dels sistemes actuals, que només analitzen les característiques específiques del tumor, aquest nou enfocament també té en compte altres variables com el teixit mamari que l’envolta. Aquesta visió global permet al model captar patrons molt subtils, com la simetria entre ambdues mames o la textura interna del tumor, que s’associen amb una major probabilitat de recaiguda.
El funcionament del model és completament automàtic: en primer lloc segmenta les imatges de ressonància, en selecciona les característiques més rellevants (forma, intensitat i variacions del teixit) i, finalment, integra aquesta informació amb dades mèdiques com el tipus de tumor, els receptors hormonals o el grau de malignitat. Tots aquests elements es processen amb un model de xarxa neuronal anomenat TabNet, que destaca per la seva capacitat d’analitzar dades complexes i interpretar-les.
A les proves realitzades amb més de 500 pacients el sistema va aconseguir un alt nivell de precisió global – dels més elevats entre tots els models provats fins ara- i va demostrar una major sensibilitat per identificar els casos amb risc real de recaiguda. “Aquesta sensibilitat és clau, ja que permet reduir falsos negatius i evitar que es passin per alt pacients que podrien necessitar un seguiment o tractament addicional”, explica Domènec Puig, del Departament d’Enginyeria Informàtica i Matemàtiques de la URV i investigador principal del projecte.
L’anàlisi dels resultats també ha permès identificar els factors més importants a l’hora de fer una predicció: la textura irregular del tumor, la falta de simetria entre les dues mames i l’estat dels receptors hormonals. Aquests indicadors podrien convertir-se en noves eines visuals i mèdiques a l’hora de prendre decisions clíniques.
Una altra de les potencialitats del model és que és escalable, interpretable i potencialment aplicable a hospitals sense necessitat de proves genètiques invasives o molt costoses. “Esperem en un futur validar aquesta eina amb dades de més centres per garantir-ne la seva aplicació clínica a gran escala”, comenta Domènec Puig.
L’estudi forma part del projecte europeu Bosomshield, emmarcat en el programa Marie Skłodowska-Curie Doctoral Networks, i demostra el potencial de la col·laboració entre tecnologia d’avantguarda i medicina per avançar cap a una oncologia més personalitzada i predictiva.
