Un grup d’investigadors del Departament d’Enginyeria Informàtica i Matemàtiques de la URV ha creat un programa que permetrà reduir el nombre de falsos positius de tumors que es detecten a partir de les mamografies. Això ha estat possible gràcies a combinar diferents mètodes d’anàlisi de textura mitjançant la visió per computador, que analitzen aquest tipus de proves radiològiques

Un programa informàtic permetrà en un futur aconseguir una fiabilitat gairebé total en la detecció de tumors de mama. Aquesta recerca l’han dut a terme els investigadors Mohamed Abdel-Nasser, Antonio Moreno i Domènec Puig, del Departament d’Enginyeria Informàtica i Matemàtiques de la Universitat Rovira i Virgili, en col·laboració amb el Departament de Radiologia del Centre Mèdic de la Universitat Radboud (Nijmegen, Holanda). La recerca ha estat publicada a la revista International Journal of Optics.

La mamografia està considerada com la prova més eficaç per a la detecció precoç del càncer de mama, que l’any 2014 va ser la principal causa de mort per aquesta malaltia entre les dones de la Unió Europea. Per analitzar i interpretar les dades d’aquesta prova radiològica s’utilitzen de forma creixent sistemes de diagnosi assistida per ordinador (CAD). Aquests mètodes no són del tot fiables, ja que en ocasions generen falsos positius —la presència d’un tumor que finalment, en proves posteriors, es demostra que no existeix.

L’estudi de la URV s’ha centrat a investigar l’efecte de cinc mètodes d’anàlisi de textura de les imatges a les quals s’han aplicat diferents tècniques (anàlisi de resolució de píxels, escala d’integració, algorismes de preprocessament de la imatge i normalització de dades). A partir d’aquí s’han fet diverses combinacions fins a trobar la més idònia per obtenir una classificació millor de les regions rellevants —la presència de tumors o no— dins les mamografies. Amb la configuració final obtinguda pels investigadors s’ha aconseguit un 99% de fiabilitat a l’hora de determinar la presència o no d’un tumor a la mama a partir d’una mamografia. Aquesta dada millora els resultats obtinguts amb estudis anteriors, xifrats en un 93%, que també havien avaluat la fiabilitat en la interpretació d’aquestes proves, però havien centrat l’anàlisi en altres configuracions.

Poder reduir el nombre de falsos positius suposaria una disminució important de la despesa en els sistemes de salut, ja que descartar d’entrada la presència de tumor evitaria fer proves addicionals a un elevat nombre de dones per confirmar el diagnòstic.

Aquesta recerca forma part del projecte de recerca IA-BioBreast, que té per objectiu investigar mètodes d’anàlisi d’imatges mitjançant visió per computador per a la detecció precoç del càncer de mama, i se centra en el desenvolupament de dos biomarcadors específics: la densitat de la mama i l’evolució temporal de les lesions existents.

Referència bibliogràfica: Mohamed Abdel-Nasser, Jaime Melendez, Antonio Moreno, and Domenec Puig, “The Impact of Pixel Resolution, Integration Scale, Preprocessing, and Feature Normalization on Texture Analysis for Mass Classification in Mammograms,” International Journal of Optics, vol. 2016, Article ID 1370259, 12 pages, 2016. doi:10.1155/2016/1370259