Sistema de clasificación de tipo de tejido mamario con machine learning

Abstract

En los últimos años, el Machine Learning (ML) ha encontrado aplicación en diversas áreas del conocimiento debido a su capacidad para abordar problemas complejos. La medicina no es una excepción, ya que utiliza el ML para automatizar procesos como el diagnóstico y prediagnóstico de patologías. En este caso, se empleó esta herramienta para la clasificación de tipos de tejido mamario, siguiendo las categorías establecidas en el BI-RADS (acrónimo en inglés para Sistema de Datos e Informes de Imágenes Mamarias). Este sistema divide la densidad mamaria en cuatro clases: tejido mamario predominantemente graso, tejido mamario fibroglandular disperso, tejido mamario heterogéneamente denso y tejido mamario extremadamente denso. Esta clasificación reviste gran importancia, ya que, según el Centro para el Control y la Prevención de Enfermedades de la Organización Mundial de la Salud, las mujeres con mamas densas tienen un mayor riesgo de desarrollar cáncer de mama. Además, la densidad mamaria elevada puede dificultar la detección de cáncer en las mamografías. Por esta razón, es crucial clasificar el tipo de tejido mamario, pues permite identificar a las mujeres con mamas densas y tomar medidas diagnósticas oportunas. Para llevar a cabo esta clasificación, se evaluaron distintos métodos y modelos de ML con el objetivo de determinar cuál de ellos es el más adecuado para esta tarea.