Sistema automatizado de apoyo al diagnostico de lesiones en imagenes de mamografias. Segunda parte. Situacion referencial
Autor: Dr. Juan José Bedolla Solano | Publicado:  10/02/2012 | Radiodiagnostico y Radioterapia , Articulos | |
Sistema automatizado diagnostico lesiones imagenes mamografias. Segunda parte. Referencias .10

En la Tabla 3.2 se muestran los distintos tipos de anomalías que pueden observarse en una mamografía y ser indicativos de a presencia de un tumor maligno. La ecografía permite generar una imagen a partir del eco recibido de una secuencia de ultrasonidos. Una ventaja de la ecografía frente a la mamografía es que, la primera, puede tomarse prácticamente desde cualquier ángulo. Otra gran ventaja de esta técnica radica en que permite distinguir los quistes (tumores benignos formados por líquido) de las masas sólidas (normalmente nódulos cancerosos). En la mamografía, por contra, las masas y los quistes tienen un aspecto muy parecido.

La desventaja de la ecografía es que, aunque ofrece un buen contraste, ofrece una resolución espacial muy pobre. 

diagnostico_lesiones_mamografias/clasificacion_anomalias

Tabla 6. Clasificación de los distintos tipos de anomalías observables en una mamografía que pueden ser indicativos de la presencia de un tumor maligno.

La Resonancia Magnética Nuclear (RMN) utiliza un potente campo magnético y ondas de radio. Los distintos tejidos absorben y reflectan las ondas de radio con distinta intensidad en función de su densidad y contenido en agua, de manera que a partir del eco producido por dichas ondas, es posible reconstruir una imagen muy precisa de los tejidos explorados. Adicionalmente, es posible inyectar al paciente un contraste para obtener imágenes de mayor calidad. La RMN permite modificar las direcciones del campo magnético y de las ondas de radio, para obtener vistas en cualquier plano. Mediante la Resonancia Magnética Nuclear (RMN) es posible detectar tumores de muy pequeño tamaño, que no se pueden observar mediante mamografía o ecografía. La Resonancia Magnética Nuclear (RMN) es igualmente de gran utilidad a la hora de determinar el estadio en el que se encuentra un tumor. Además, en las mujeres que tienen algún implante o un pecho más denso, la Resonancia Magnética Nuclear (RMN) ofrece mejores resultados que la mamografía, ya que tanto la silicona como los tejidos más densos impiden el paso de los rayos X, ensombreciendo parte del tejido mamario. La gran desventaja de la Resonancia Magnética Nuclear (RMN) es su elevado coste y su baja especificidad (prácticamente no distingue los tumores malignos de los benignos).

La termografía permite detectar temperaturas anormales en ciertas regiones de la mama, lo que a su vez puede ser indicativo de la presencia de un tumor. Para realizarla utiliza una cámara con un sensor térmico que permite capturar una imagen digital basada en el calor irradiado por los distintos tejidos. Dicha imagen es posteriormente procesada por un ordenador que analiza los patrones de calor y resalta las áreas con alta sospecha de contener células cancerosas. Ofrece una alta sensibilidad, aunque menor especificidad.

La biopsia consiste en tomar una muestra de tejido, para su posterior análisis al microscopio. Este análisis histológico permite revelar, con una fiabilidad del 100%, si en el tejido analizado se encuentran o no células cancerosas. Para realizar la biopsia, normalmente se recurre de nuevo a la mamografía o a la ecografía, como ayuda para dirigir la aguja de la biopsia a la zona del pecho deseada.

Diagnóstico del cáncer de mama asistido por ordenador

La solución más realista referente al diagnostico del cáncer de mama asistido por ordenador consiste en utilizar la técnica denominada prompting. En este caso, el ordenador se utiliza para detectar potenciales anomalías en la imagen digital y llamar la atención del radiólogo hacia esas zonas sospechosas, marcando de alguna manera (por ejemplo mediante un círculo sobreimpreso) dichas regiones de la imagen. En esta segunda aproximación el ordenador se utiliza, no como substituto del experto humano, sino como sistema de ayuda al diagnóstico (CAD).

Los sistemas de CAD aplicados a la mamografía han demostrado resultados prometedores. Las publicaciones realizadas están relacionadas tanto con el estudio de algoritmos para la detección de los distintos tipos de anomalías, como con el posterior análisis de las mejoras que pueden aportar los sistemas de CAD respecto a la precisión diagnóstica conseguida por el experto humano. Algunos de estos estudios, sin embargo, dudan de la aplicabilidad práctica de los sistemas de CAD, por lo que, actualmente, todavía es tema de controversia entre los expertos la utilidad de estos sistemas

Sistemas automatizados, que han contribuido al desarrollo de CAD´s.

Se han realizado diversas investigaciones con el fin de crear sistemas automatizados que contribuyan en el diagnóstico de diferentes tipos de cáncer de mama. El diagnóstico del cáncer de mama asistido por computadora, es la solución más realista. En este concepto, la computadora se utiliza para detectar potenciales anomalías en la imagen digital con el objeto de llamar la atención del radiólogo hacia las zonas sospechosas. En esta aproximación, la computadora se utiliza no como sustituto del experto humano, sino como herramienta de ayuda en el diagnóstico del cáncer.

Las publicaciones y trabajos realizados relacionados con esta investigación han sido aportaciones tecnológicas de gran interés de acuerdo a los resultados proporcionados, así como a la apreciación en el sector salud. Además de los trabajos futuros que se han propuesto para la mejora continua respecto a la precisión diagnóstica del cáncer de mama por los expertos humanos.

Las mamografías han sido utilizadas regularmente con fines de diagnóstico. En 2003 se publicó una Norma Oficial Mexicana que abre la posibilidad para un programa de escrutinio poblacional que instrumente el uso de las mamografías como herramienta de detección [NOM-041-SSA2-2002, 2003].

El Colegio Americano de Radiología (American College of Radiology) en su sistema de reporte BI-RADS (6), define una masa como: “una lesión que ocupa espacio observado en dos proyecciones diferentes; si no se puede observar en ambas proyecciones se considera una asimetría". Una masa, es considerada a cualquier presencia localizada de una protuberancia o un bulto formado por la alteración de fluidos o de tejido en la mama. Usualmente, cuando se ha determinado la existencia de la masa y sin importar la proyección usada para el análisis, se describen por su localización, tamaño, forma, margen, densidad y algunos otros hallazgos como la distorsión de la arquitectura del parénquima (Narváez, 2010).

El grupo de Investigación Bioingenium de la Universidad Nacional de Colombia, presentan una aplicación de aprendizaje semisupervisado con el fin de clasificar imágenes medicas, conocido como aprendizaje transductivo en la clasificación de imágenes medicas radiológicas [Cruz A, 2008]. El problema analizado en esta aplicación consiste en analizar la información almacenada en la base de datos, ya que cuando incrementan las imágenes médicas, sólo algunas pocas imágenes son etiquetadas con datos o información médica útil, por lo que, el aprendizaje semi-supervisado o transductivo se usa cuando se tienen en la base datos pocos datos y además sin etiquetar.

MedDetectes, uno de los sistemas de análisis de imágenes médicas desarrollados más recientemente, realiza en tiempo real extracción de características en un dominio invariante a la escala y a la rotación (Miriam Sucar 2006).

Una aplicación presentada por el grupo de Investigación Bioingenium de la Universidad Nacional de Colombia [Cruz, 2008], presentan una aplicación de aprendizaje semisupervisado con el fin de clasificar imágenes medicas.

Los trabajos de investigación de [Martínez y Montero, 2009], presentan el Procesamiento de imágenes médicas, basadas en contenido, utilizando como herramienta matemática la Transformada Wavelets de Haar (funciones generadas a partir de otra función, mediante dilataciones y traslación de esta función que satisface ciertos requisitos) a un tipo de codificación por sub_banda, en la que una señal, al aplicar distintos filtros, se puede descomponer en múltiples bandas.

La Facultad de Ingeniería Mecánica, Eléctrica y Electrónica de la Universidad de Guanajuato, con el trabajo de investigación “Extracción de características en Mamografía Digitalizada utilizando filtrado Quincunx”, manifiesta que los sistemas CAD (Diagnostico Asistido por Computadora) incrementan la eficiencia en los procedimientos de exploración como una segunda opinión [González, 2007].

El Centro de Sistemas Inteligentes del Instituto Tecnológico de Monterrey ITESM, Campus Monterrey, Torre CETEC 5to piso [Oporto, 2007], clasificaron imágenes de mamografías según el tipo de tejido predominante, es un paso previo al proceso de identificación de masas mamográficas sospechosas de ser cancerosas.

El Departamento de Lenguajes y Ciencias de la Computación. E.T.S.I. (Escuela Técnica Superior de Ingeniería) de Telecomunicación Informática de la Universidad de Málaga, España [López, 2008], desarrollaron un algoritmo de localización y detección de vasos sanguíneos para las mamografías y otras imágenes médicas. Las imágenes utilizadas para este proyecto fueron tomadas de las imágenes de columna y pecho de los entrenamientos del desafío ImageClefmed del 2008 y en el que el rendimiento fue evaluado con diferentes ejemplos imágenes comparándolo con el aprendizaje de una Máquina de Soporte Vectorial normal.

Otras partes de este trabajo
Este trabajo consta de distintas partes. A continuación se listan todas:
  1. Sistema automatizado de apoyo al diagnostico de lesiones en imagenes de mamografias. Primera parte. Generalidades
  2. Sistema automatizado de apoyo al diagnostico de lesiones en imagenes de mamografias. Segunda parte. Situacion referencial
  3. Sistema automatizado de apoyo al diagnostico de lesiones en imagenes de mamografias. Tercera parte. Metodologia


Revista Electrónica de PortalesMedicos.com. ISSN 1886-8924

Revista Electrónica de PortalesMedicos.com – ISSN 1886-8924 – 

Revista de periodicidad quincenal dirigida a los profesionales de la Salud de habla hispana interesados en mantener sus conocimientos científicos al día y cultivar una formación continuada en las diversas especialidades en que se divide el Conocimiento Médico actual.

Leer el último número publicado