Desarrollan base de datos de imágenes óseas para mejorar el diagnóstico de cáncer de mama
Un equipo de investigadores del Instituto de Investigaciones en Ciencias de la Salud (IICS) y de la Facultad Politécnica, ambos de la Universidad Nacional de Asunción (UNA) desarrolló un conjunto de datos de gammagrafías óseas con el objetivo de mejorar la detección de metástasis en pacientes con cáncer de mama. Este avance, publicado en la revista Data in Brief, busca facilitar la aplicación de inteligencia artificial en el análisis de imágenes médicas, optimizando los diagnósticos y contribuyendo a una mejor atención clínica.
El principal objetivo de este trabajo es que la base de datos sirva como referencia para el entrenamiento de modelos de inteligencia artificial, que podrían automatizar el proceso de detección y clasificación de metástasis óseas. El uso de herramientas basadas en aprendizaje automático ha demostrado ser una estrategia prometedora en la mejora del diagnóstico por imágenes, permitiendo un análisis más rápido y preciso.
Las metástasis óseas son una de las complicaciones más frecuentes en los estadios avanzados del cáncer de mama, afectando significativamente la calidad de vida de los pacientes. Estas lesiones pueden provocar fracturas patológicas, compresión de la médula espinal, hipercalcemia y dolor crónico, por lo que su detección temprana es fundamental para optimizar el tratamiento y mejorar los resultados clínicos.
Para abordar este desafío, los investigadores reunieron un conjunto de 582 imágenes de gammagrafías óseas de 291 pacientes atendidos entre 2020 y 2024 en el Servicio de Medicina Nuclear del IICS. El conjunto de datos fue clasificado por médicos nucleares en dos categorías principales: pacientes con metástasis óseas y pacientes sin metástasis.
La gammagrafía ósea es un método altamente sensible para la detección de anomalías esqueléticas, aunque su interpretación puede ser compleja debido a la baja especificidad de las imágenes. Por esta razón, la integración de inteligencia artificial podría ayudar a reducir los errores de diagnóstico, apoyando a los médicos en la toma de decisiones y optimizando los planes de tratamiento.
Los investigadores esperan que esta base de datos no solo beneficie a especialistas en medicina nuclear, sino que también pueda ser utilizada en la formación de nuevos profesionales y en el desarrollo de herramientas computacionales para el análisis de imágenes médicas.
Los interesados en acceder al artículo lo puedan hacer en el siguiente link: https://pubmed.ncbi.nlm.nih.gov/39758522/
El grupo de investigadores está integrado por Carolina Elizabeth Villegas-Colmán, junto con Benicio Grossling-Vallejos, como autores principales, y Julio César Mello-Román, José Luis Vázquez Noguera, Horacio Legal-Ayala, Pastor Pérez Estigarribia, categorizados en el Sistema Nacional de Investigadores (SISNI) del Consejo Nacional de Ciencia y Tecnología (CONACYT) y Ronald Rivas, María Gloria Pedrozo, Cynthia Duarte, Graciela Giménez, Andrés Uldera, Marina Arnal, Nicole Barreto y Teresa Rojas del IICS.
