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 una de les principals causes de mortalitat per càncer. Un equip internacional liderat per la URV ha desenvolupat un model d’intel·ligència artificial capaç d'integrar dades d’imatges mèdiques i informació clínica per calcular el risc de reaparició d'un tumor de manera més acurada i interpretativa, amb un elevat nivell de precisió. Ho fa utilitzant imatges de ressonància magnètica dinàmica amb contrast així com dades clíniques de cada pacient. A diferència dels sistemes actuals, que només analitzen les característiques específiques del tumor, també té en compte altres variables com el teixit mamari que l’envolta.

El funcionament del model és, segons els experts que l'han desenvolupat, 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 esta informació amb dades mèdiques com el tipus de tumor, els receptors hormonals o el grau de malignitat. Tots estos elements es processen amb un model de xarxa neuronal anomenat TabNet, que destaca per la seua capacitat d’analitzar dades complexes i interpretar-les.

Les proves realitzades amb més de 500 pacients van constatar que el assoleix 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. "Esta sensibilitat és clau, ja que permet reduir falsos negatius i evitar que es passen per alt pacients que podrien necessitar un seguiment o tractament addicional", ha afirmat l'investigador principal del projecte i membre del Departament d’Enginyeria Informàtica i Matemàtiques de la URV, Domènec Puig.

La visió global que aporta el model, segons els experts de la URV, li permet captar patrons molt subtils, la textura irregular del tumor, la falta de simetria entre les dos mames i l’estat dels receptors hormonals. Estos indicadors podrien convertir-se en noves eines visuals i mèdiques a l’hora de prendre decisions clíniques, atrès que s’associen amb una major probabilitat de recaiguda.

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 esta eina amb dades de més centres per garantir-ne la seua aplicació clínica a gran escala", ha apuntat Puig.

L'estudi forma part del projecte europeu Bosomshield, emmarcat en el programa Marie Skłodowska-Curie Doctoral Networks.