Antecedentes

El cáncer de mama es el tumor maligno más común en mujeres mexicanas y de todo el mundo. De acuerdo con datos del 2018 de la Organización Mundial de la Salud, el cáncer de mama supone el 27% de nuevos casos y el 16% de muertes por cáncer, en mujeres de América Latina y el Caribe (Castrezana-Campos, 2017 & Reynoso-Noverón, et al. 2017).

La detección temprana de esta enfermedad es esencial para dirigir el tratamiento (Sánchez-Cárdenas, 2019 & Fejerman, et al. 2014). Para ello, se recomiendan diversas pruebas, entre ellas la aplicación de las llamadas mamografías. La literatura reporta a las mamografías como una estrategia de diagnóstico temprano eficaz, que puede reducir en más del 70% la mortalidad por este tipo de cáncer, dependiendo del grupo de edad. Un problema patente de muchas mujeres mexicanas es que en las ciudades donde ellas residen no se cuenta con mamógrafos. Actualmente, existen campañas en donde una unidad móvil acude a dichas poblaciones a realizar mamografías. Sin embargo, el personal de la unidad móvil no cuenta con la capacidad y certificación para realizar interpretaciones de dichas mamografías. Estas interpretaciones se llevan a las ciudades capitales en donde se realiza la interpretación; posteriormente el resultado se envía a las unidades médicas de origen. Esto ocasiona que el tiempo de respuesta entre la toma de la mamografía y su interpretación puede llegar a ser incluso de varios meses. Esto es un grave problema que retrasa, en forma importante, la atención médica temprana que es crucial para disminuir la mortalidad.

Metodología general

El análisis se fundamentará en la clasificación dada por el sistema de datos e informes de imágenes de mama, BI-RADS (Torres-Tabanera, 2016). El desarrollo del sistema propuesto involucrará la creación de una base de datos de expedientes de casos ya diagnosticados de mamografías de mujeres mexicanas, lo cual ayudará al sistema a encontrar patrones únicos de acuerdo con los rasgos étnicos particulares de las mujeres mexicanas.

Entregables de incidencia

Un sistema de interpretación automático que permita el análisis de mamografías inmediatamente para identificar lesiones premalignas con riesgo de evolucionar a cáncer de mama, mediante la utilización de técnicas de procesamiento y análisis digital de imágenes, inteligencia artificial y aprendizaje para máquinas. La finalidad del sistema no es sustituir al profesional médico; por el contrario, la idea es proveer de información preliminar rápida a los médicos; el sistema permitirá priorizar y agilizar el análisis de ciertos casos que, de acuerdo con el sistema, tienen mayor riesgo de presentar cáncer.

Referencias

Castrezana-Campos, M. del R. (2017). Geografía del cáncer de mama en México. Investigaciones Geográficas, 2017(93), 140–157. https://doi.org/10.14350/rig.56879

Reynoso-Noverón, N., & Torres-Domínguez, J. A. (2017). Epidemiología del cáncer en México: carga global y proyecciones 2000-2020. Epidemiology of cancer in México : global burden and projections 2000-2020. Revista Latinoamericana de Medicina Conductual, 8(1), 9–15. https://www.redalyc.org/articulo.oa?id=283059952003

Fejerman, L., Ahmadiyeh, N., Hu, D. et al. (2014). Genome-wide association study of breast cancer in Latinas identifies novel protective variants on 6q25. Nature Communications, 5. https://doi.org/https://doi.org/10.1038/ncomms6260

Sánchez-Cárdenas, J. et al. (2019). Consenso Mexicano sobre diagnóstico y tratamiento del cáncer mamario Consenso Mexicano (Octava revisión). http://consensocancermamario.com

Torres-Tabanera, M. (2016). Novedades de la 5.a edición del sistema breast imaging reporting and data system (BI-RADS®) del Colegio Americano de Radiología. Revista de Senología y Patología Mamaria, 29(1), 32–39. http://dx.doi.org/10.1016/j.senol.2015.12.001

Dr. Juan Humberto Sossa Azuela
Jefe del Laboratorio de Robótica y Mecatrónica
del Centro de Investigación en Computación.
Profesor Titular “C” del Instituto Politécnico Nacional.


ORCID: https://orcid.org/0000-0002-0521-4898

Juan Humberto Sossa es ingeniero en comunicaciones y electrónica por la Universidad de Guadalajara, maestro en ciencias con especialidad en ingeniería eléctrica del Centro de Investigación y Estudios Avanzados del Instituto Politécnico Nacional y doctor en informática por el Instituto Nacional Politécnico de Grenoble, Francia. El Dr. Sossa tiene como áreas de expertise la inteligencia artificial y la robótica y sus líneas de investigación se centran en las redes neuronales artificiales, el análisis de imágenes, el reconocimiento de patrones, el aprendizaje para máquinas y el modelado y control de robots.

Actualmente, el Dr. Juan Humberto Sossa colabora con el Pronaii de Ciencia de Datos y Salud como el responsable técnico del proyecto titulado Sistema automático para la interpretación inmediata de mamografías para la determinación del riesgo de cáncer.

  • Dr. Pedro David Arjona Villicaña
    Universidad Autónoma de San Luis Potosí (UASLP)
  • Dra. Virginia Canseco González
    Hospital Central “Dr. Ignacio Morones Prieto”
  • Dr. Francisco Édgar Castillo Barrera
    Universidad Autónoma de San Luis Potosí (UASLP)
  • Dr. Francisco Edgar Cervantes Durán
    Hospital Central “Dr. Ignacio Morones Prieto”
  • Dra. María Del Pilar Fonseca Leal
    Hospital Central “Dr. Ignacio Morones Prieto”
  • Dr. Alejandro Hernández Martínez
    Hospital Central “Dr. Ignacio Morones Prieto”
  • Dr. Joselín Hernández Ruiz
    Hospital General de México “Dr. Eduardo Liceaga”
  • Dr. Leonardo Ernesto Márquez Mireles
    Universidad Nacional Autónoma de México
  • Lic. Rosa María Martínez García
    Universidad Autónoma de San Luis Potosí (UASLP)
  • Dr. Raúl Martínez Martínez
    Hospital Central “Dr. Ignacio Morones Prieto”
  • Dr. Francisco Eduardo Martínez Pérez
    Universidad Autónoma de San Luis Potosí (UASLP)
  • Dra. Sandra Edith Nava Muñoz
    Universidad Autónoma de San Luis Potosí (UASLP)
  • Dr. José Ignacio Núñez Varela
    Universidad Autónoma de San Luis Potosí (UASLP)
  • Dr. Héctor Gerardo Pérez González
    Universidad Autónoma de San Luis Potosí (UASLP)
  • Dr. César Augusto Puente Montejano
    Universidad Autónoma de San Luis Potosí (UASLP)
  • Dra. Alejandra Guadalupe Silva Trujillo
    Universidad Autónoma de San Luis Potosí (UASLP)
  • Dr. Juan Manuel Shiguetomi Medina
    Universidad Autónoma de San Luis Potosí (UASLP)
  • Dr. José de Jesús Zermeño Nava
    Universidad Autónoma de San Luis Potosí (UASLP)