Metodología para el apoyo al diagnóstico de cáncer a partir de imágenes de resonancia magnética multiparamétrica, integrando características radiómicas y modelos de aprendizaje profundo

Abstract

El desarrollo de tecnologías para mejorar el diagnóstico y pronóstico de cáncer es un tema de investigación prioritario a nivel mundial. En particular, el diagnóstico por imagen ha presentado avances importantes, permitiendo la detección de tejidos tumorales en etapas tempranas de desarrollo. Sin embargo, el alto nivel de subjetividad en el diagnóstico genera una alta variabilidad inter e intra-observador, que produce un número importante de diagnósticos errados, en particular para cánceres en tejidos blandos, donde el tumor se confunde con el tejido de soporte. En los ´últimos años, una tecnología para el apoyo al diagnóstico y pronóstico de cáncer a partir de imágenes denominada radió mica, ha tomado relevancia debido a sus buenos resultados. Esta tecnología aprovecha las diferentes modalidades de imagen para extraer características en diferentes niveles de representación, que son analizadas por técnicas de minería de datos para la detección de patrones asociados a la enfermedad, aun en estadios no visibles para el experto. Por lo general, el uso de estas tecnologías implica, además, la segmentación de la región tumoral, lo que demanda una gran cantidad de tiempo en el proceso de lectura por parte del especialista, o una alta dependencia del método de segmentación, cuando esta se realiza automáticamente. Por otro lado, otra tecnología conocida como aprendizaje profundo, se basa en el uso de extensas arquitecturas de redes neuronales que aprenden directamente a partir de los datos observados, eliminando la necesidad de realizar una extracción o cálculo de características específicas previo al proceso de aprendizaje. Estas técnicas han mostrado resultados prometedores en el análisis y representación de información de imágenes de resonancia magnética, aun cuando la mayoría de aproximaciones han estado orientadas al análisis de información 2D extraída de tumores segmentados, desaprovechando la información 3D que proveen estas imágenes. Teniendo en cuenta lo anterior, en esta tesis se propuso una metodología para el diagnóstico de cáncer en tejidos blandos, basada en la integración de características radiómicas y profundas, que permitan la descripción de la información 3D contenida en múltiples secuencias de resonancia magnética, obviando procesos de segmentación o extracción de características morfológicas. El desempeño de la metodología se evaluó en la tarea de clasificación de hallazgos positivos y negativos en imágenes de resonancia magnética de seno, obteniendo resultados comparables con los reportados en el estado del arte