En el Día Internacional de la Lucha contra el Cáncer de Mama, me parece importante reflexionar sobre el destacado papel que la inteligencia artificial y el aprendizaje automático están desempeñando en la prevención, detección y tratamiento de esta enfermedad.
Estas tecnologías están revolucionando la forma en que enfrentamos el grave problema global que significa el cáncer de mama y están generando un impacto positivo en diversas áreas de la medicina y en particular en la lucha contra el cáncer de mama.
Detección Temprana y Precisa
Una de las áreas más impactantes es la detección temprana. Investigaciones como el estudio publicado en el "Journal of the National Cancer Institute" (JNCI)
muestran cómo los algoritmos de IA y en particular las técnicas de aprendizaje profundo pueden mejorar significativamente la precisión de las mamografías, lo que resulta en una detección más temprana de lesiones [1]. Además, los beneficios en el uso de técnicas de inteligencia artificial en el análisis de imágenes médicas han sido ampliamente estudiados desde la comunidad científica [2].
Personalización de Tratamientos
La personalización de tratamientos es esencial para el éxito en la lucha contra el cáncer de mama. Sollini, et. al (2020) [3] destaca cómo la IA permite la adaptación de terapias específicas para cada paciente, mejorando las tasas de supervivencia. Habehh (2021) [4] explora cómo la IA está impulsando la medicina personalizada.
Investigación Avanzada
La IA también está transformando la investigación en cáncer de mama. Estudios, como Weigel (2010) [5] publicado en "Nature Communications", demuestran cómo los algoritmos de aprendizaje de máquinas pueden analizar grandes conjuntos de datos moleculares y genéticos para descubrir nuevos biomarcadores y terapias. Shen (2017) [6] profundiza en las aplicaciones de la IA en la investigación del cáncer.
Apoyo a Profesionales Médicos
Los profesionales médicos se benefician de la IA en su trabajo diario. Kelly, et. al. (2022) [7] resalta cómo los sistemas de apoyo a la toma de decisiones basados en IA mejoran la eficiencia de los radiólogos. Mientras que Rajkomar, et. al. (2019) [8] proporciona información sobre cómo la IA apoya a médicos y oncólogos en la toma de decisiones.
Acceso a la Atención Médica en Zonas Remotas
La telemedicina respaldada por la IA es un puente para proporcionar atención médica en áreas remotas. Investigaciones como Bhaskar, et. al. (2022) [9] analizan cómo la IA facilita el diagnóstico y tratamiento del cáncer de mama a distancia y cómo estas tecnologías delinean el futuro de la medicina a partir de la era COVID-19.
Conclusión
La Inteligencia Artificial, el Aprendizaje de Máquinas (Machine Learning) y el Aprendizaje Profundo (Deep Learning) están transformando la lucha contra el cáncer de mama. Con investigaciones respaldadas por estudios científicos y libros técnicos, podemos ver cómo estas tecnologías están generando un impacto significativo en la prevención, detección y tratamiento de esta enfermedad. A medida que continuamos avanzando en este campo, podemos esperar una mejora continua en la atención médica y, finalmente, un mayor número de vidas salvadas. En este Día Internacional de la Lucha contra el Cáncer de Mama, celebremos estos avances científicos y tecnológicos que están haciendo una diferencia real en la vida de las personas.
Autor
Luis García Rodríguez es director ejecutivo en Yaxché Dev estudió ingeniería en computación en la FES Aragón, además cuenta con la Maestría en Alta Dirección por la Facultad de Química de la UNAM y la Maestría en Ciencia e Ingeniería de la Computación en el área de Inteligencia artificial por el IIMAS de la UNAM.
Es profesor de las materias "Sistemas de Información Gerenciales" y "Métodos Cuantitativos y Finanzas", en la Maestría en Alta Dirección de la Facultad de Química de la UNAM.
Referencias
Lehman, C. D., Mercaldo, S., Lamb, L. R., King, T. A., Ellisen, L. W., Specht, M., & Tamimi, R. M. (2022). Deep learning vs traditional breast cancer risk models to support risk-based mammography screening. Journal Of The National Cancer Institute, 114(10), 1355-1363.
Tang, X. (2020). The role of artificial intelligence in medical imaging research. BJR| Open, 2(1), 20190031.
Sollini, M., Bartoli, F., Marciano, A., Zanca, R., Slart, R. H., & Erba, P. A. (2020). Artificial intelligence and hybrid imaging: the best match for personalized medicine in oncology. European journal of hybrid imaging, 4(1), 1-22.
Habehh, H., & Gohel, S. (2021). Machine learning in healthcare. Current Genomics, 22(4), 291.
Weigel, M. T., & Dowsett, M. (2010). Current and emerging biomarkers in breast cancer: prognosis and prediction. Endocrine-related cancer, 17(4), R245-R262.
Shen, D., Wu, G., & Suk, H. I. (2017). Deep learning in medical image analysis. Annual review of biomedical engineering, 19, 221-248.
Kelly, B. S., Judge, C., Bollard, S. M., Clifford, S. M., Healy, G. M., Aziz, A., ... & Killeen, R. P. (2022). Radiology artificial intelligence: a systematic review and evaluation of methods (RAISE). European radiology, 32(11), 7998-8007.
Rajkomar, A., Dean, J., & Kohane, I. (2019). Machine learning in medicine. New England Journal of Medicine, 380(14), 1347-1358.
Bhaskar, S., Bradley, S., Sakhamuri, S., Moguilner, S., Chattu, V. K., Pandya, S., ... & Banach, M. (2020). Designing futuristic telemedicine using artificial intelligence and robotics in the COVID-19 era. Frontiers in public health, 708.