Detección de malignidad de masas en mamas mediante la utilización de características radiómicas y machine learning

Abstract

La mamografía es el método más fiable y preciso para la detección temprana del cáncer de mama. El desafío radica en la capacidad que ofrece al radiólogo para diferenciar entre lesiones malignas y benignas debido a la complejidad y diversidad de las lesiones. La radiómica se ha desarrollado como una de las posibles soluciones al problema. En este estudio se diseña un sistema, basado en radiómica y machine learning, para clasificar masas mamarias en malignas o benignas. Se extraen 474 características radiómicas de 181 mamografías con masas de la base de datos VinDr-Mammo, con la biblioteca PyRadiomics. Estas fueron reducidas a 4 características mediante la correlación de Pearson, para eliminar las redundancias que no son útiles en tareas de clasificación. Con este resultado se entrenaron y validaron varios modelos de Random Forest y Support Vector Machine. El modelo con mejor desempeño fue un Support Vector Machine polinómico de grado 7, con el que se obtuvo una sensibilidad de 92,31% y una especificidad de 91,67% en la clasificación. Se realizó además una prueba externa con 40 mamografías de la base de datos CBIS-DDSM, obteniéndose una sensibilidad de 90,00% y una especificidad de 80,00%, lo que demuestra el poder de generalización del modelo seleccionado. Con este se diseñó un Sistema de diagnóstico asistido por computadora (CAD), para su empleo en rutina clínica.