Redacción Agencias.- Un método más eficiente y preciso para identificar tumoraciones cancerosas en senos que analiza imágenes de tejidos mediante un ordenador, un proceso mucho más rápido que el tradicional, fue presentado por la Universidad el Sur de California (USC).
“Es el principio de una revolución para usar el aprendizaje de máquina y obtener para el médico nueva información acerca del cáncer de seno”, aseguró David Agus, profesor de la Escuela de Medicina Keck y de la Escuela de Ingeniería Viterbi, de USC, y uno de los autores de la investigación.
“Podemos utilizarlo (este sistema) para establecer mejores tratamientos, dar información a los pacientes de manera más rápida y ayudar a más gente. Estamos liberando este hallazgo para ofrecer nueva información a los médicos y ayudar a tratar el cáncer”, aseguró Agus.
El investigador destacó que la clave para identificar y tratar el cáncer es conocer la naturaleza del tumor.
“Las células cancerosas que contienen receptores para el estrógeno y otras hormonas responden de forma diferente a las drogas que tratan este mecanismo”, añadió.
El sistema se basa en “enseñar” a un computador a analizar rápidamente imágenes de tumores cancerosos del seno para “identificar cuáles presentan receptores de estrógeno, un determinante clave en la prognosis y las opciones de tratamiento”.
Según la descripción del método, publicado esta semana en la revista científica Nature Partner Journals Breast Cancer, se trata de “un gran paso más allá de los microscopios y las biopsias de células que se han estado utilizando por más de un siglo”.
“Si usted es diagnosticado con cáncer pasarán unas cuantas semanas antes de que reciba una llamada del médico diciéndole que han encontrado un identificador”, explicó Dan Ruderman, profesor asistente de investigación en medicina de la Escuela Keck y coautor del estudio.
“Con la tecnología de aprendizaje de máquina podemos informar el mismo día, con lo que hay menos retraso, menos estrés y potencialmente mejores resultados. Esto nos va a permitir identificar la droga correcta y la dosificación más rápidamente. Es un gran paso hacia la medicina personalizada”, agregó Ruderman.
El estudio se enfocó en establecer parámetros para reconocer los identificadores principales en el núcleo de las células y reunirlos en una gran red, de manera que la tecnología de máquina los pueda identificar rápidamente.
