La UCAM desarrolla una herramienta para la identificación precoz de tumores de ovario

La nueva técnica informática en la que trabaja la UCAM, junto con las universidades de Buckingham (Reino Unido), Imperial College London (Reino Unido) y KU de Leuven (Bélgica), permitirá identificar en un 88% de los casos si un tumor de ovario es maligno o no, a partir de su imagen ecográfica

El tumor de ovario es uno de los diagnósticos frecuentes a los que un ginecólogo tiene que enfrentarse. Junto con el cáncer de útero, ocupa la sexta posición de los tumores malignos de la mujer.

Una vez detectado, en fases iniciales puede eliminarse mediante cirugía, con supervivencia global a los 5 años de hasta el 94%, pero que en estadios avanzados es inferior al 20%. Sin embargo, sólo el 20% se consigue detectar en estadios iniciales, debido a la dificultad de identificar su categoría claramente.

La UCAM, a través de una investigación conjunta con la Universidad de Buckingham (Reino Unido), el Departamento de Cirugía y Cáncer de la Facultad de Medicina del Imperial College de Londres (Reino Unido), y el Departamento de Ginecología y Obstetricia de la Facultad de Medicina de la Universidad KU de Leuven (Bélgica), está trabajando en una nueva herramienta informática de clasificación de imágenes ecográficas, basándose en técnicas de Inteligencia Artificial, para determinar si se trata de una lesión benigna o maligna.

Esta nueva tecnología permitirá obtener un diagnóstico fiable y representativo que puede alcanzar un porcentaje de acierto del 88%, y se prevé que se pueda aumentar esta cifra próximamente, mejorando así la detección precoz de tumoraciones malignas en estadios iniciales, ayudando así a planificar el tratamiento más adecuado para las pacientes.

Esta línea de investigación, enmarcada en la Tesis Doctoral de José Martínez Más, dirigida por los doctores Andrés Bueno-Crespo, Juan Pedro Martínez-Cendán y Manuel Remezal-Solano, ha sido premiada como la Mejor Comunicación Oral presentada en las II Jornadas de Investigación y Doctorado de la Escuela Internacional de Doctorado de la UCAM (EIDUCAM), en la categoría de Ciencias de la Salud.