Salamanca, Guanajuato.- Mariana, Jorge, César y Daniel, son estudiantes de la División de Ingenierías Campus Irapuato- Salamanca (DICIS), de la UG y desarrollaron el proyecto Software Médico con Inteligencia Artificial (SOMIA), que es un modelo para detección de cáncer de tiroides.
¿Para qué sirve SOMIA?
SOMIA tiene como finalidad facilitar la detección temprana del cáncer de tiroides a través del análisis preciso de imágenes médicas.
Es un modelo robusto de Inteligencia Artificial que utiliza algoritmos avanzados para clasificar nódulos tiroideos según el Sistema TIRADS, proporcionando una evaluación precisa del riesgo de malignidad.
El modelo de detección de cáncer de tiroides se divide en las categorías de TIRADS (Thyroid Imaging Reporting and Data System).
- TIRAD 1 No hay evidencia de nódulos
- TIRAD 2 Lesión benigna
- TIRAD 3 Lesión probablemente benigna
- TIRAD 4 Lesión con un bajo riesgo de malignidad
- TIRAD 5 Lesión altamente sospechosa de malignidad
El trabajo realizado por los estudiantes de Gestión Empresarial y de la Licenciatura en Datos e Inteligencia Artificial, está enfocado en fomentar la investigación continua en el campo del cáncer tiroideo y la inteligencia artificial, adaptando nuevas evidencias científicas y avances tecnológicos.
SOMIA va dirigido a zonas de recursos limitados
Uno de los objetivos es que SOMIA esté disponible para clínicas y hospitales de regiones con recursos económicos limitados.
Este sistema surge tomando en cuenta que el 50 % de la población tiene nódulos (pequeñas masas redondas en la tiroides). Aunado a que en México el cáncer de tiroides es la sexta causa de cáncer en mujeres y en los hombres representa la décimo tercera.
Tener nódulos no siempre significa tener cáncer, pero la gente al encontrar estas bolitas en la tiroides se espanta y lo primero que piensan es que tienen cáncer y se hacen estudios, se sacan biopsias, con nuestro proyecto queremos ayudar a los médicos a detectar que tipos de nódulos son cancerígenos y que tipo de nódulos son benignos con un diagnóstico no tan caro y a temprana etapa”, comentó Mariana.
Aunque el modelo ha mostrado alta tasa de precisión no se puede asegurar que sea 100 % efectivo en todos los casos. Los resultados pueden variar dependiendo de múltiples factores, incluyendo la calidad de las imágenes y las características específicas de cada paciente.
El uso del modelo implica que los resultados obtenidos deben ser interpretados por profesionales capacitados en el área médica.
JRL