Diagnosticar tempranamente un cáncer de mama puede ser clave para derrotar esa enfermedad o limitar sus consecuencias. No por nada, las frecuentes campañas para que las mujeres se sometan a tests de diagnóstico tienen ese objetivo.
A eso han apuntado los investigadores de la Universidad Veracruzana (UV) que han desarrollado un proceso para el análisis de imágenes de Western blot para detectar atributos propios de pacientes con cáncer de mama, que ayuda al especialista a obtener un resultado certero y en menor tiempo.
Esta innovación clínica involucra el uso de algoritmos de visión por computadora para la clasificación de bandas de proteínas, proyecto elaborado en conjunto por el Centro de Investigación en Inteligencia Artificial (CIIA) y el Instituto de Investigaciones Biológicas pertenecientes a la UV.
El proyecto se gestó a partir de la investigación conjunta del Instituto de Investigaciones Biológicas de la UV con el Instituto de Investigaciones Biomédicas de la Universidad Nacional Autónoma de México (UNAM), que se basó en comparar las bandas de proteína en un Western blot obtenidas de mujeres con cáncer con patología benigna de la mama y sin patología mamaria.
El proyecto desarrolla un método de detección más temprano para cáncer de mama; no obstante, el algoritmo desarrollado a partir de las imágenes del proyecto de cáncer puede ser utilizado para analizar de manera automática cualquier imagen de Western blot.
Los científicos mexicanos explican que en el país se recurre habitualmente a la mastografía para detectar un cáncer de mama, que no es un buen método, puesto que para reconocer una masa tumoral ésta debe tener al menos un centímetro de diámetro, lo que no permite un buen pronóstico para la paciente.
Mientras que la mastografía se basa en identificar la presencia de autoanticuerpos en la sangre, que surgen contras las células tumorales de la mama, la nueva técnica permite diagnosticar la enfermedad de manera temprana. A través del Western blot o inmunoblot de una dimensión (1D immunoblot) se detecta la enfermedad al comparar los sueros de mujeres con cáncer de mama, con patología de la mama y sin patología mamaria, y evidenciando bandas que se presentaban solo en las mujeres con la patología.
No obstante, la comparación y análisis de las bandas de proteínas es complejo a nivel visual para los expertos, por lo que en colaboración con el Centro de Investigación de Inteligencia Artificial (CIIA) trabajan en el desarrollo de un método automático para la clasificación de imágenes de acuerdo con los criterios obtenidos.
En la parte del desarrollo tecnológico, participa el doctor Héctor Gabriel Acosta Mesa, investigador del CIIA de la UV. El proyecto denominado Uso de algoritmos de visión por computadora para detección de cáncer de mama en bandas de proteínas es un método —hasta ahora— semiautomático para estudiar cualquier imagen de Western blot.
“La ventaja de analizar las imágenes utilizando algoritmos de visión por computadora es que estos realizan un análisis cuantitativo, es decir, miden directamente los valores de las bandas y extraen los patrones que estas forman. Esto elimina el aspecto subjetivo del ojo humano”, indicó el especialista.
Este método permite un análisis más preciso ya que el algoritmo tiene un modelo matemático entrenado con ejemplos, y es más rápido en comparación con la evaluación subjetiva del experto, lo cual reduce el diagnóstico de días a minutos. Por último, indicó que la idea es continuar trabajando para crear una herramienta de software que apoye a los expertos, haciendo la labor más precisa, rápida y eliminando la subjetividad.
Fuente: Conacyt. Artículo publicado por Ciudad Nueva