El proyecto europeo EUCAIM (European Federation for CAncer IMages) es la piedra angular de la Iniciativa Europea de Imagen de Cáncer, promovida por la Comisión Europea, y buque insignia del EBCP (Europe’s Beating Cancer Plan). Su objetivo principal es fomentar la innovación y el despliegue de tecnologías digitales en el tratamiento y la atención del cáncer. Con esto, se busca lograr una toma de decisiones clínicas más rápida y precisa, así como mejorar el diagnóstico, tratamiento, y la medicina predictiva para los pacientes con cáncer.
Este proyecto, de 4 años de duración e iniciado en enero de 2023, reúne a 76 socios para desplegar una infraestructura digital federada paneuropea de imágenes del mundo real, anonimizadas y relacionadas con el cáncer.
En términos tecnológicos, ITI participa en tres paquetes de trabajo:
- Gobernanza e implementación del Hub Central.
- Federación de datos e interoperabilidad.
- Procesamiento y análisis de datos federados.
En el paquete de trabajo de Gobernanza e implementación del Hub Central, ITI ha desplegado una serie de tecnologías basadas en la pila tecnológica de ELK (Elasticsearch-Logstash-Kibana), así como las tecnologías Grafana y Prometheus para monitorizar los recursos del clúster del Hub Central y verificar el correcto funcionamiento de las APIs de servicios desarrollados por los distintos socios.
Por otra parte, se ha realizado la representación gráfica de métricas que permiten conocer el rendimiento de los servicios, y se ha puesto en marcha un sistema de generación de alertas que permite notificar en el caso de que algún servicio no esté disponible, o advertir con antelación de un evento que va a suceder y que requiere de actuación para evitar que afecte al rendimiento de los servicios.
En el paquete de trabajo de Federación de datos e interoperabilidad, ITI colabora con una herramienta automática de segmentación de mamografías que se integrará en el catálogo de aplicaciones de EUCAIM. Esta iniciativa tiene como objetivo facilitar el desarrollo y la evaluación de modelos de Inteligencia Artificial (IA) para el diagnóstico y tratamiento del cáncer de mama.
Concretamente, la herramienta desarrollada por ITI permite realizar la segmentación automática del área de la mama y del tejido denso en mamografías digitales. La mamografía es la técnica de imagen empleada de forma rutinaria en los programas de cribado para la detección precoz del cáncer de mama. Además, la segmentación del tejido denso permite calcular su porcentaje de densidad, uno de los principales marcadores de riesgo de que una mujer desarrolle cáncer de mama. Tradicionalmente, esta segmentación del tejido denso se ha llevado a cabo de forma manual, lo que conlleva una alta variabilidad intra- e inter-observador. Con esta herramienta, el proceso de segmentación es completamente automatizado, reduciendo significativamente el tiempo necesario y la variabilidad.
El proceso de segmentación consta de varios pasos clave, incluyendo la detección de la mama, la exclusión de áreas irrelevantes como la axila y el músculo pectoral, y un paso de normalización de la variabilidad del histograma entre los dispositivos de adquisición. Finalmente, se aplica un modelo de Deep Learning desarrollado por ITI, denominado CM-YNET, para llevar a cabo la tarea de segmentación de la mama y el tejido denso (Figura 1). CM-YNET es un modelo de IA basado en una arquitectura de red neuronal convolucional, cuya descripción técnica puede encontrarse en un artículo publicado en la revista Diagnostics. Este modelo ha sido entrenado con una base de datos heterogénea compuesta por 2,496 mamografías provenientes de 11 centros adscritos a programas de cribado de cáncer de mama.
Una de las principales ventajas de CM-YNET es su rapidez, pudiendo completar todo el proceso de segmentación en menos de 30 segundos. Esto representa un avance significativo respecto a los métodos manuales tradicionales, lo que podría ser útil no solo para agilizar el proceso de análisis de mamografías, sino también para mejorar la precisión en el cálculo del riesgo de desarrollar cáncer de mama o para llevar a cabo una detección temprana del mismo. Además, la integración de esta tecnología en la plataforma EUCAIM permitirá su reutilización por parte de investigadores y desarrollares de IA en el ámbito europeo. Esto sin duda impulsará el desarrollo de nuevos modelos de IA para el diagnóstico y tratamiento del cáncer de mama, aprovechando la segmentación precisa y eficiente proporcionada por CM-YNET.
Figura 1. Pipeline del proceso de segmentación
Finalmente, en el paquete de trabajo de Procesamiento y análisis de datos federados, el Instituto está trabajando en la integración de las herramientas RADIATUS y AITANA, de forma que se pueda realizar un despliegue automático de una pila tecnológica que sirva para el entrenamiento de modelos de IA, realizar un análisis de datos que permita conocer las necesidades de los algoritmos de aprendizaje federado, así como proporcionar entornos de cómputo que ayuden al entrenamiento de dichos algoritmos.
En conclusión, en el marco de EUCAIM, ITI trabaja para proporcionar herramientas de calidad que contribuyen al objetivo global del proyecto, que es proporcionar a médicos e investigadores acceso transfronterizo a una infraestructura interoperable y segura para el análisis federado y distribuido de imágenes de cáncer, desbloqueando así el poder de la obtención de imágenes y la Inteligencia Artificial en beneficio de los pacientes.
