KBITS – Ciencia y Tecnología
Inteligencia Artificial contra el cáncer de piel
Por Federico Cirett
Según los datos más recientes de la Organización Mundial de la Salud (OMS), publicados en 2014, cada año se registran entre 2 y 3 millones de casos nuevos de cáncer de piel en todo el mundo. En México, hasta 2015, la Fundación Mexicana para la Dermatología (FMD) da cuenta de 16 mil diagnósticos anualmente por esta misma causa.
De acuerdo a la Clínica de oncodermatología de la Facultad de Medicina de la Universidad Autónoma de México (UNAM), 50% de los mayores de 65 años adquirirán algún tipo de cáncer de piel, de los cuales, 25% de ellos sufrirán dos o más tumores malignos.
La aparición de lesiones de piel se debe a dos factores: genéticos y exposición a la radiación ultravioleta. Las personas de tez blanca son 20 veces más proclives a desarrollar una lesión de la dermis. Y en cuanto a los rayos ultravioleta, recibimos diariamente nuestra dosis al estar expuestos al sol.
Existen básicamente tres tipos de cáncer de piel: El carcinoma basocelular, el que ocurre con más frecuencia (cerca del 73% de los cánceres de piel son de este tipo), es de crecimiento lento y la gran mayoría de las veces solo se reproduce en la piel, y normalmente se elimina por medio de cirugía. El segundo tipo es el carcinoma espinocelular o epidermoide, que no es muy frecuente, pero sí puede diseminarse en otros órganos. Normalmente este tipo de cáncer es tratado con medicamento. Por último, el melanoma, el cáncer de piel que ocurre con menor frecuencia, pero es el más mortífero, inicia como un lunar y luego crece agresivamente.
Diagnóstico a tiempo
Los melanomas deben extirparse cuando están en sus etapas tempranas, para eso es un diagnóstico certero por parte de un dermatólogo, pero muy poca gente acude semestralmente o anualmente a una revisión de piel rutinaria. Las personas van a dar en el consultorio cuando ya tienen sospechas de que algo anda mal con ese lunar que cambia de forma o textura. Para entonces, la primera etapa de la enfermedad ya ha pasado y los tratamientos deben ser más agresivos.
Una solución puede ser tomarle fotos a ese lunar en casa y procesarlas con un programa computacional para saber si hay algún riesgo de salud. Pero esto suena más sencillo de lo que es.
Sin embargo, un equipo de investigadores de la Universidad de Stanford, liderados por Sebastian Thrun, ha desarrollado una técnica de visión por computadora que hace precisamente eso y lo hace muy bien, tan bien, que logra el mismo número de aciertos que los dermatólogos con gran experiencia. Thrun es reconocido por su trabajo en la investigación del Auto Inteligente que ve el camino y se conduce solo.
La solución que idearon es elegante, pero muy intensiva, tanto en recursos humanos como en poder de cómputo. Un grupo de estudiantes etiquetó un conjunto de cerca de 130 mil fotos con todo tipo de lesiones de piel, benignas y malignas. Después, este set de fotografías se utilizó para entrenar una red neuronal desarrollada por Google para reconocer objetos comunes en fotos. Este proceso crea un modelo matemático de cada uno de los tipos de lunares y lesiones existentes.
Al final, la red neuronal entrenada fue puesta a prueba: Se le pidió diagnosticar nuevas fotos que nunca había visto y luego se compararon sus respuestas contra la de 21 dermatólogos certificados. Para sorpresa de todos, los diagnósticos automatizados estaban en el mismo nivel del de los dermatólogos humanos.
Ahora, este es el primer paso, aún no estamos cerca de tener una máquina de diagnóstico de cáncer de piel automática. Para ello, debe haber más pruebas y refinación de los algoritmos para obtener todavía mayor precisión.
Pero podemos imaginar un futuro en el que descarguemos una aplicación a nuestro Smartphone, la cual nos recuerde cada 6 meses tomarnos fotos de nuestros cuerpos y que nos advierta de posibles daños en nuestra piel y la necesidad de hacer una revisión más exhaustiva con un dermatólogo.
Federico Cirett Galán
Doctor en Ciencias Computacionales por la Universidad de Arizona
Profesor-Investigador de la Universidad de Sonora
Departamento de Ingeniería Industrial
@fd_x, www.k-bits.com