Indiscutiblemente empecé a tener contacto con la informática médica, como muchos de nosotros, como paciente y usuario de aplicaciones para la salud. Sin embargo, ésta se ha convertido en un interés profesional para mí. Dada la naturaleza del tema y las implicaciones de éste, es importante leer la declaratoria de responsabilidad.

Índice

1. Declaratoria.
2. Introducción.
3. Panorama.
4. Bibliografía anotada.

Declaratoria

Ante la sensibilidad y la naturaleza del tema, es importante que se lea la declaración de responsabilidad de este sitio (click en el híper vínculo anterior), con especial atención a lo relacionado con aspectos de salud y medicina. Dado que no se impone algún mecanismo que obligue a leer dicha declaración para acceder al material presentado aquí, se asume que el lector acepta implícitamente la declaración de responsabilidad del sitio al acceder a este material o que, en caso de no haberla leído, éste (el lector) accede a la aceptación de sus términos por considerar que no es necesario leerla y exime al sitio de toda responsabilidad por adelantado.

Adicionalmente a lo expresado en la declaración de responsabilidad, cualquier acción  (o la falta de ésta) derivada del contenido de esta página y sitio web es enteramente responsabilidad de quien la lee y de ninguna forma debe ser considerada un substituto del criterio de un profesional certificado y licenciado en materia de medicina o salud, así como de cualquier método, procedimiento, receta o tratamiento aprobado por las autoridades competentes.

Introducción

Contrariamente a lo que muchos puedan pensar, el empleo de los computadores en la medicina (y no sólo como herramientas contables o de administración) inició mucho tiempo atrás.

Panorama

Bibliografia anotada

1. Chitrala, K. N., & Yeguvapalli, S. (2014). Computational prediction and analysis of breast cancer targets for 6-methyl-1, 3, 8-trichlorodibenzofuran. PLoS ONE, 9(11). https://doi.org/10.1371/journal.pone.0109185. El cáncer de mama es uno de los más conocidos que se producen en las mujeres de todo el mundo. Las dioxinas son los contaminantes orgánicos persistentes que se encuentran en todas partes en los suelos, sedimentos, aire y tejidos animales y se estima que alrededor del 90% o más de la exposición humana a estos contaminantes es a través de los alimentos. Estos contaminantes son cancerígenos. Pronosticar nuevos objetivos moleculares para una molécula individual utilizando enfoques experimentales es un proceso consumidor y costoso de tiempo y otros recursos. Un enfoque alternativo para esto es usar técnicas computacionales. Entre las técnicas computacionales, la selección virtual es la mejor en tal escenario. El estudio tiene como objetivo la predicción y el análisis de proteínas (que tienen un papel en el cáncer de mama) con estructuras tridimensionales en un banco de datos de proteínas con sitios de unión teóricos para el 6-metil-1,3,8-triclorodibenzofurano (MCDF).
2. Sudhakar, S., & Manjunath, G. (2018). Thermalityx: An advanced Artificial Intelligence Based Solution for Non-Contact Breast Screening. International Journal of Medical and Health Sciences, 12(2), 48–51. Una breve descripción de la técnica de termografía se da y se anota como una forma no invasiva y sin contacto para detectar anomalías mamarias. Debido a las mejoras en las cámaras térmicas en los últimos años, el big data y los avances en el uso de la inteligencia artificial, la termografía (como fuente de datos) ha estado ganando más atención. El documento presenta los resultados de la solución de análisis térmico habilitado para la IA de NIRAMAI para un estudio realizado en Bangalore. Se describe el objetivo de la investigación, metodología utilizada, protocolo clínico y estadísticas de especificidad y sensibilidad. La identificación de todos los pacientes con diagnóstico maligno sin detección de grumos está resaltada. No se proporcionan detalles de los algoritmos usados, aunque se cita la referencia 5 para más detalles al respecto («Extraction of Medically Interpretable Features for Classification of Malignancy in Breast Thermography«, 38th Annual International Conference of the IEEE Engineering in Medicine and Biology Society, Orlando, USA, Aug, 17-20, 2016).
3. Bhowmik, M. K., Gogoi, U. R., Majumdar, G., Bhattacharjee, D., Datta, D., & Ghosh, A. K. (2018). Designing of Ground-Truth-Annotated DBT-TU-JU Breast Thermogram Database Toward Early Abnormality Prediction. IEEE Journal of Biomedical and Health Informatics. doi:10.1109/JBHI.2017.2740500. Este documento se centra en cómo la mejora de la calidad y el rendimiento de la investigación en el diagnóstico clínico del cáncer de mama podría lograrse con el apoyo de un repositorio de datos anotados, una base de datos de imágenes médicas en este caso. El documento ilustra el diseño de un conjunto de protocolos estándar para la adquisición de termogramas de mama (un flujo de trabajo que abarca la recopilación de datos, la validación de termogramas, la nomenclatura utilizada, la generación de elementos de comparación práctica de las regiones sospechosas, el análisis de detección de anomalías mamarias, la segmentación de regiones sospechosas y la evaluación del desempeño), un procedimiento para generar las imágenes de comparación de las regiones de puntos calientes de los termogramas de mama anormales, una comparación de los seis métodos de segmentación de imágenes más avanzados y más utilizados (segmentación basada en umbrales, crecimiento de regiones sembradas, agrupamiento por K-Means, agrupamiento difuso c-means, agrupación de desplazamiento medio basada en información espacial y optimización de enjambre de partículas), y métricas de evaluación utilizadas (recuperación de precisión, coeficiente de similitud DICE, índice Jaccard y error cuadrático medio).
4. Mambou, S. J., Maresova, P., Krejcar, O., Selamat, A., & Kuca, K. (2018). Breast cancer detection using infrared thermal imaging and a deep learning model. Sensors (Switzerland), 18(9). doi:10.3390/s18092799. Las limitaciones de la mamografía por imágenes y técnicas similares han llevado a un considerable interés en el procesamiento de imágenes a través de técnicas computacionales. El objetivo principal es la importancia de resolver el problema del cáncer de mama a través de técnicas innovadoras tomadas de la informática. Se proporciona un modelo térmico y una explicación de sus representaciones físicas y ecuaciones de transferencia de calor. Se proporcionan los resultados utilizando un modelo de aprendizaje profundo (con una precisión de identificación del 78% para enfermos y del 94% para sanos) para el análisis de imágenes.
5. Wang, S. H., Muhammad, K., Phillips, P., Dong, Z., & Zhang, Y. D. (2017). Ductal carcinoma in situ detection in breast thermography by extreme learning machine and combination of statistical measure and fractal dimension. Journal of Ambient Intelligence and Humanized Computing, 0(0), 1–11. doi:10.1007/s12652-017-0639-5. La vasodilatación y la angiogénesis provocan un aumento del flujo sanguíneo, por lo que el aumento del calor liberado a la atmósfera provoca una temperatura más alta que las pieles sanas. Se cree que el termograma de un pueblo sano es
   simétrico a través de la línea media. La asimetría en el termograma puede indicar una anomalía, o incluso una enfermedad. Por lo tanto, el termograma refleja el estado de una mama y la existencia de enfermedades de la mama mediante la identificación de la distribución de la temperatura asimétrica. Este artículo expone las ventajas de la termografía mamaria y la interpretación automática de imágenes termográficas. Se señalan las etapas en las que el análisis debe ser hecho: segmentación de la región de interés, extracción de características y clasificación. En el recuento de métodos previos propuestos se da cuenta de la matriz de co-ocurrencia (COM), la matriz de longitud de ejecución (RLM), la máquina de vectores de soporte (SVM), el clasificador bayesiano ingenuo (NBC), k vecinos cercanos (KNN), la entropía de ondas energícas (WEE), la transformada fraccional de Fourier (FRFT), hibridación de optimización de enjambre de partículas y optimización basada en biogeografía (HBP). Para estos trabajos existen dos defectos: tratan la imagen de la mama como un todo y sólo consideran las medidas estadísticas o las medidas de textura. Las contribuciones de este estudio, por su parte, son: la mama se segmenta en partes del lado izquierdo y del lado derecho, y de cada parte se extraen medidas estadísticas y de textura. Adicionalmente, la dimensión fractal es un descriptor de textura relativamente nuevo y se usa en este estudio bajo la definición de dimensión Minkowski–Bouligand (MBD). Las medidas estadísticas utilizadas en este estudio contienen los siguientes seis indicadores: media, desviación estándar, mediana, asimetría, curtosis y entropía. Finalmente se describe el empleo del aprendizaje automático extremo (ELM) que tiene el mérito de un aprendizaje rápido, un cálculo simple y una capacidad de generalización sólida. La característica distintiva del ELM es que los pesos de la red que conectan la capa de entrada y los nodos ocultos se asignan aleatoriamente y nunca se actualizan, y los pesos que conectan los nodos ocultos y los nodos de salida se aprenden en una única iteración. Los resultados de este estudio en comparación con los anteriores y con la inspección manual realizada por tres radiólogos experimentados muestran una precisión mucho mayor.
6. Garduño-Ramón, M. A., Vega-Mancilla, S. G., Morales-Henández, L. A., & Osornio-Rios, R. A. (2017). Supportive noninvasive tool for the diagnosis of breast cancer using a thermographic camera as sensor. Sensors (Switzerland), 17(3). doi:10.3390/s17030497. Atribuido al diagnóstico tardío, el cáncer de mama es la enfermedad principal en el número de incidencia como de mortalidad entre la población femenina de regiones subdesarrolladas. Cuando se realiza un diagnóstico temprano, el índice de supervivencia puede llegar hasta el 95%. La termografía es presentada como una alternativa de pronóstico temprano. La extracción de características de textura, la energía, la entropía o el contraste de los termogramas adquiridos, ayudan a discriminar las anomalías, donde aspectos como la alta sensibilidad y la especificidad siempre se consideran para proporcionar mejores resultados para ayudar a los especialistas. Este artículo presenta una herramienta de apoyo para la detección del cáncer de mama utilizando la termografía IR como
   sensor. La contribución de este trabajo es la propuesta de una metodología automática para la segmentación del área mamaria basada en los conceptos de umbral, región de interés y algoritmos morfológicos. Se describe un protocolo y una configuración para la adquisición de termogramas, así como especificaciones de la cámara, procesamiento previo de imágenes, evaluación y diagnóstico. Esencialmente, este trabajo reporta resultados basados ​​en las diferencias de temperatura de un sensor termográfico IR de grado industrial.
7. Zadeh, H. G., Haddadnia, J., Seryasat, O. R., & Mohammad, S. (2016). Segmenting Breast Cancerous Regions In Thermal Images Using Fuzzy Active Contours. EXCLI Journal; 15:532–550. Técnicas y algoritmos de procesamiento de imágenes son el mayor interés en la aplicación de la informática médica para el procesamiento de imágenes termográficas. Muchos de los métodos probados no pueden considerarse adecuados para ser aplicados exhaustivamente en un proceso de detección a través de computadoras. Los métodos adoptados incluyen: características de textura, máquinas de vectores de soporte y ondas Gabor (Gabor wavelets). Este artículo presenta una propuesta basada en el calor irradiado desde las partes del cuerpo que se analizan y las propiedades físicas de la transferencia de calor para el establecimiento de un conjunto de reglas difusas para la clasificación de bordes térmicos con el fin de detectar automáticamente las áreas de núcleo y borde térmicos anormales.
8. Silva, L. F., Santos, A. A. S. M. D., Bravo, R. S., Silva, A. C., Muchaluat-Saade, D. C., & Conci, A. (2016). Hybrid analysis for indicating patients with breast cancer using temperature time series. Computer Methods and Programs in Biomedicine, 130, 142–153. doi:10.1016/j.cmpb.2016.03.002. La identificación y tratamiento del cáncer de mama en estados tempranos tiene un pronóstico relativamente bueno. Todos los tipos de exámenes, incluida la mamografía (considerada el estándar de oro para la detección de éste tipo de cáncer), tienen limitaciones (alta tasa de clasificación de falsos positivos, la efectividad insuficiente en senos densos y el uso de radiación ionizante). Dado que la temperatura del tejido canceroso es generalmente más alta que la de los tejidos circundantes sanos, la termografía se ha considerado un método de detección prometedor para la detección del cáncer de mama al generar imágenes que revelan la distribución del calor en la superficie de la piel. Este artículo presenta una metodología de análisis propuesta empleando series temporales de temperatura para agrupar y construir un modelo de clasificación. La herramienta de uso de WEKA y Auto-WEKA se describe en la elección del mejor algoritmo de clasificación.
9. Milosevic, M., Jankovic, D., & Peulic, A. (2014). Thermography based breast cancer detection using texture features and minimum variance quantization. EXCLI Journal, 13, 1204–1215. Como método pasivo, sin dolor, rápido, de bajo costo y sensible, el uso de la termografía se basa en el principio de que la actividad metabólica y la circulación vascular, tanto en el tejido precanceroso como en el área que rodea al cáncer de mama en desarrollo, son casi siempre más altas que en tejido mamario normal. Para utilizar esto en la detección del cáncer de mama, se propone un procedimiento basado en el preprocesamiento de imágenes termográficas, extracción de características (veinte en este caso), clasificación, segmentación y detección de la región más cálida. La clasificación de los casos normales y anormales se realizó utilizando los tres clasificadores diferentes: Máquina de vectores de soporte (SVM), Clasificador de k vecinos cercanos (K-NN) y Clasificador Ingenuo de  Bayes con estimación de matriz de covarianza diagonal. Los clasificadores están entrenados y probados utilizando una validación cruzada de 5 pliegues para garantizar pruebas exhaustivas con todas las muestras. El mejor resultado de clasificación se obtuvo utilizando el clasificador k-NN.
10. Francis, S. V., Sasikala, M., & Saranya, S. (2014). Detection of breast abnormality from thermograms using curvelet transform based feature extraction. Journal of Medical Systems, 38(4). doi:10.1007/s10916-014-0023-3.  El tamaño promedio de los tumores no detectados por una mamografía es de 1.66 cm y los pacientes que se someten repetidamente a estos estudios se enfrentan a los peligros de la exposición dañina a las radiaciones de rayos X. La termografía es una técnica que se ha documentado que tiene el potencial de detectar cáncer de mama, 8-10 años antes que la mamografía.  Los cánceres en desarrollo se caracterizan por altas tasas de división celular; nuevos vasos sanguíneos (neo-angiogénesis) se generan para suministrar nutrientes a dichas regiones, lo que resulta en una hipervascularización. Por lo tanto, la temperatura de la superficie alrededor de las células cancerosas será ligeramente más alta (hipertermia) que las células normales debido al aumento de los niveles de perfusión sanguínea. Así, la termografía también es un método de imagen no invasivo que detecta y representa la variación de la temperatura de la superficie de la piel humana. El objetivo de este trabajo es evaluar el alcance de las características basadas en la transformación de Curvelet para la detección automática de termogramas de mama anormales utilizando un clasificador de máquinas de vectores de soporte. Se describe un protocolo para adquirir imágenes y características de los pacientes. El flujo de trabajo de este trabajo consiste en una fase de preprocesamiento y segmentación, procedimientos de transformación de curvelets, extracción y análisis de características y, finalmente, una tarea de clasificación para una etiquetación como normal o anormal. Las características estadísticas simples de primer orden, como media, mediana, moda, varianza y desviación estándar se extraen de los termogramas. Las características de textura incluyen, energía, contraste, correlación, suma de cuadrados de variación, momento de diferencia inversa, variación de suma, entropía de suma, entropía, varianza de diferencia, entropía de diferencia, medidas de información de correlación 1 y 2. Características extraídas en el dominio de los curvelets se utilizan para entrenar una máquina de vectores de soporte. Se utiliza el método de «dejar fuera a uno» para validar el clasificador.
11. Yao, X., Wei, W., Li, J., Wang, L., Xu, Z. L., Wan, Y., … Sun, S. (2014). A comparison of mammography, ultrasonography, and far-infrared thermography with pathological results in screening and early diagnosis of breast cancer. Asian Biomedicine, 8(1), 11–19. doi:10.5372/1905-7415.0801.257. Este estudio comparó la efectividad de la mamografía, ecografía Doppler a color y la termografía de infrarrojo lejano en la detección y el diagnóstico precoz del cáncer de mama, utilizando resultados patológicos como criterio de diagnóstico. Los avances en la tecnología y el modelado por computadora han llevado a un renovado interés en el uso de la termografía como herramienta de detección para el cáncer de mama. Este estudio demostró que la sensibilidad de la termografía de infrarrojo lejano era superior a la de la mamografía en el diagnóstico de neoplasia mamaria. Los resultados del estudio indican que la termografía de infrarrojo lejano es adecuada como herramienta de detección del cáncer de mama, y su sensibilidad y especificidad son mejores que las de la ecografía y la mamografía para lesiones de menos de 2 cm de diámetro.
12. Saniei, E., Setayeshi, S, Akbari, M., Navid, M. (2016). Parameter estimation of breast tumor using dynamic neural network from thermal pattern. Journal of Advanced Research, 7(6), 1045-1055. doi:10.1016/j.jare.2016.05.005.
13. Brennan, M., & Houssami, N. (2013). Thermography in breast cancer diagnosis, screening and risk assessment: systematic review. Breast Cancer Management, 2(2), 163–172. doi:10.2217/bmt.13.4. El concepto de termografía (imagen térmica infrarroja o imagen térmica digital infrarroja) como modalidad de imagen diagnóstica es atractivo. Desde una perspectiva biológica, una prueba que emplee el calor generado por el aumento del flujo sanguíneo en un tumor es científicamente plausible. Desde la perspectiva del consumidor, existe una fuerte demanda de una prueba de imagen que sea indolora y que no requiera exposición a la radiación. Este documento examina la evidencia sobre la termografía mamaria en relación con sus usos propuestos como: una prueba de detección para la detección del cáncer de mama, una prueba diagnóstica, y una herramienta para evaluar el riesgo de cáncer de mama en el futuro. A pesar de los relativamente recientes estudios de diagnóstico propuestos para emplear la termografía como una prueba complementaria para el diagnóstico clínico no hay comparación con otras pruebas de imagen mamaria complementarias establecidas (p. ej., ultrasonido o resonancia magnética), lo que limita las implicaciones clínicas y el valor de los datos reportados. En general, la evidencia no respalda el uso de termografía para ninguna de las indicaciones propuestas. Dado que la termografía a menudo se comercializa directamente a los consumidores, es importante que los profesionales de la salud puedan brindar a sus pacientes consejos sobre el cuidado de los senos basados ​​en evidencia.
14. Fitzgerald, A., & Berentson-Shaw, J. (2012). Thermography as a screening and diagnostic tool: a systematic review. The New Zealand Medical Journal, 116(1179), 1–9. Este artículo ofrece una revisión de la termografía como herramienta de detección y diagnóstico. La termografía no proporciona información sobre las características morfológicas de la mama, sino que proporciona información funcional sobre las condiciones térmicas y vasculares del tejido y se considera complementaria de otras técnicas. A pesar del alcance del documento, se presenta información sobre el uso de la termografía en Australia y Nueva Zelanda. Las fuentes de documentos para este estudio incluyen bases de datos médicas, varios sitios web internacionales y varias otras fuentes adicionales (bibliotecas y organizaciones, para pautas sobre termografía); El objetivo detrás era minimizar la probabilidad de perder un estudio importante. El documento informa los criterios utilizados para la recopilación y el análisis de datos, tanto para el diagnóstico como para la herramienta de detección. Este estudio es útil porque presenta cómo se debe planificar y realizar un estudio de esta naturaleza. Se presenta un análisis comparativo basado en los resultados informados por los estudios incluidos en la recopilación de documentos.
15. Acharya, U. R., Ng, E. Y. K., Tan, J. H., & Sree, S. V. (2012). Thermography based breast cancer detection using texture features and support vector machine. Journal of Medical Systems. doi:10.1007/s10916-010-9611-z. Debido a la sensibilidad de las imágenes infrarrojas, se pueden observar los primeros signos de cáncer de mama y el estado precanceroso de la mama en el espectro de temperatura. Otros métodos de detección del cáncer de mama, como la mamografía, la ecografía y la resonancia magnética, se basan principalmente en la detección del tumor. Las imágenes infrarrojas se centran en encontrar signos térmicos que sugieran la presencia de un tumor en etapa temprana que no se puede detectar físicamente o sugieren una etapa precancerosa de la mama a través de una variación mínima en la actividad de los vasos sanguíneos normales. Las imágenes infrarrojas permiten detectar tanto el cáncer de mama como el riesgo potencial de cáncer de mama. Este artículo muestra cómo la termografía infrarroja con la ayuda de un algoritmo de clasificación automática puede demostrar ser una herramienta adjunta valiosa y confiable para que los médicos detecten el cáncer de mama. Se basa en un flujo de trabajo que consiste en la adquisición de imágenes infrarrojas, el preprocesamiento, la extracción y el análisis de características y una clasificación normal / maligna. Este trabajo se basa en texturas de imagen. La textura de una imagen se puede definir simplemente como una función de la variación espacial en la intensidad de los píxeles y se han propuesto numerosos métodos para estudiar las texturas. Estos métodos se pueden clasificar en cuatro categorías: métodos estadísticos, métodos basados ​​en modelos, métodos geométricos y métodos de procesamiento de señales. Para este estudio, las características seleccionadas se envían al clasificador de la Máquina de vectores de soporte (SVM) para la detección automática.
16. Lahiri, B. B., Bagavathiappan, S., Jayakumar, T., & Philip, J. (2012). Medical applications of infrared thermography: A review. Infrared Physics and Technology. doi:10.1016/j.infrared.2012.03.007. Este es un artículo en el que de forma general, se describe como la tecnología infrarroja puede ser empleada para diagnosticar enfermedades. Se presenta una historia de antecedentes sobre la temperatura como un indicador de salud para el diagnóstico clínico, así como la dinámica del calor de la piel y el cuerpo. Se presenta un panorama general sobre la toma de termografías y consideraciones al respecto, así como las consideraciones en la evaluación o de termogramas o sobre el uso en distintas partes del cuerpo o para varias afecciones.
17. Wang, J., Chang, K. J., Chen, C. Y., Chien, K. L., Tsai, Y. S., Wu, Y. M., … Shih, T. T. F. (2010). Evaluation of the diagnostic performance of infrared imaging of the breast: A preliminary study. BioMedical Engineering Online, 9(1), 1–10. doi:10.1186/1475-925X-9-3. Flujo sanguíneo elevado, actividad metabólica y angiogénesis en y alrededor de un sitio de lesión tiene un aumento en la temperatura, por lo que la imagen IR se ha considerado un método de detección no invasivo fuerte en materia de diagnóstico. Este documento presenta un informe preliminar sobre un estudio realizado sobre el rendimiento diagnóstico de las imágenes computarizadas de IR de mama utilizando un modelo interpretativo integrado. Se explica la escala de calificación de infrarrojos (IR) de Ville Marie, así como el método estadístico elegido para un modelo de regresión logística multivariable ajustado por edad en un entorno clínico específico para fines de diagnóstico.
18. Ng, E. Y. K. (2009). A review of thermography as promising non-invasive detection modality for breast tumor. International Journal of Thermal Sciences, 48(5), 849–859. doi:10.1016/j.ijthermalsci.2008.06.015. La detección del cáncer de mama por termografía es el reenfoque de muchas investigaciones biomédicas en los últimos años. Con el uso creciente de imágenes térmicas, el tener regulaciones y estándares para proporcionar resultados precisos y consistentes es más que una necesidad, una obligación. La física de la radiación y la termorregulación del cuerpo deben tomarse siempre en consideración. Los componentes principales para caracterizar las imágenes térmicas como una posible herramienta complementaria para la detección del cáncer de mama incluyen la teoría de la radiación térmica, la preparación de los pacientes, el entorno del examen, la estandarización del sistema de imágenes térmicas, el protocolo de captura de imágenes, el protocolo de análisis de imágenes, los informes, el archivo y el almacenamiento. Aquí se enumeran varias instrucciones sobre las condiciones antes del examen, tanto para los pacientes como para el medio ambiente, el personal y el equipo. Por lo tanto, la principal contribución o valor de este documento son todas las posibles consideraciones y requisitos a tener en cuenta cuando se adopta esta técnica y, por lo tanto, la creación de un protocolo.
19. Ng, E. Y. K., & Kee, E. C. (2008). Advanced integrated technique in breast cancer thermography. Journal of Medical Engineering and Technology, 32(2), 103–114. doi:10.1080/0309190060056204. El crecimiento anormal de las células epiteliales puede conducir a la formación de un tumor. Si se restringe el crecimiento, se clasifica como benigno. Si el crecimiento es rápido o tiene la capacidad de progresar a otras regiones del cuerpo, se clasifica como maligno o carcinoma. Sobre esta base, el cáncer de mama puede clasificarse como invasivo o no invasivo. Para la detección de cáncer de mama, hay muchos métodos disponibles que realizan funciones complementarias a la mamografía y la biopsia (consideradas como métodos tradicionales y estándar de oro) al proporcionar datos críticos adicionales para mamografías de rayos X inapropiadas o difíciles de analizar. Estos métodos se basan en los principios subyacentes de la teoría de ondas, la energía térmica, el audio, el campo magnético y las propiedades eléctricas. La termografía es uno de esos métodos, ampliamente utilizado en el campo médico. Parte de las variaciones de temperatura en la superficie de la piel humana; el principio subyacente es que si hay un tumor debajo del seno, éste utilizará más nutrientes para complementar su crecimiento (con angiogénesis). Como resultado, la tasa de metabolismo aumentará y así la temperatura del sitio del tumor, que tenderá a transferir calor en todas direcciones. Por lo tanto, el tumor pasa de ser en etapas tempranas  no como un punto caliente localizado preciso, sino como un área difusa en la superficie de la mama. Es un método de detección no invasivo que es económico, rápido y no causa ningún dolor al paciente. La termografía infrarroja (IR) se desarrolló originalmente para fines militares y, en los últimos tiempos, sus usos se han extendido a aplicaciones de ingeniería e imagen médica. Pese al gran potencial para la detección temprana de bultos en los senos y que se ha reportado puede detectar el cáncer de mama 10 años antes que los métodos tradicionales, la investigación sobre la aplicación de la termografía en la detección del cáncer de mama ha estado en curso durante las últimas tres décadas, los resultados no han sido consistentes hasta ahora. Así, la termografía sola no es suficiente para que los médicos puedan hacer un diagnóstico; cuando se usa de manera complementaria con otras herramientas de laboratorio y la evaluación de resultados, la termografía puede contribuir a la mejor evaluación posible de la salud de las mamas. Este artículo presenta un enfoque múltiple que comprende regresión lineal, red de función de base radial (RBFN) y análisis ROC. Es una técnica novedosa, integradora y poderosa que se puede usar para analizar grandes cantidades de datos medidos complicados, como los valores de temperatura extraídos de termogramas de senos anormales y saludables. Se describe el protocolo observado para la adquisición de imágenes (para pacientes, el entorno y la tecnología utilizados), así como el flujo de trabajo y el marco para el análisis asistido por computadora de imágenes IR.
20. Kennedy, D. A., Lee, T., & Seely, D. (2009). A comparative review of thermography as a breast cancer screening technique. Integrative Cancer Therapies, 8(1), 9–16. doi:10.1177/1534735408326171. Los desafíos y el riesgo de la mamografía se presentan como antecedentes para las técnicas alternativas menos riesgosas y no invasivas. La termografía infrarroja es adecuada como una de estas alternativas, a pesar de que no proporciona información sobre las características morfológicas de los senos, pero sí proporciona información funcional sobre las condiciones térmicas y vasculares. Se presenta un amplio panorama sobre pacientes y procedimientos de laboratorio. Especialmente, se explican las condiciones que afectan a los cambios térmicos, ya que tienen un efecto directo sobre la sensibilidad térmica y la imagen.
21. Arora, N., Martins, D., Ruggerio, D., Tousimis, E., Swistel, A. J., Osborne, M. P., & Simmons, R. M. (2008). Effectiveness of a noninvasive digital infrared thermal imaging system in the detection of breast cancer. American Journal of Surgery, 196(4), 523–526. doi:10.1016/j.amjsurg.2008.06.015. Diseñado originalmente para uso militar de los EE. UU. para visión nocturna, las imágenes térmicas infrarrojas digitales (DITI, por sus siglas en inglés) tienen muchas aplicaciones en medicina como un método no invasivo y sin contacto para registrar la temperatura corporal. La detección de “puntos calientes” y gradientes puede ayudar a identificar y diagnosticar la malignidad. Este artículo informa sobre un estudio en 92 mujeres, en las que se realizó un examen de 4 minutos para una serie dinámica de más de 100 imágenes de temperatura. Se realizaron 94 biopsias; 60 fueron malignas. El tamaño medio de los tumores fue de 1.4 cm, con un rango de 0.5 a 14 cm. Se usó un sistema comercial para identificar correctamente 58 casos utilizando una ANN. Por lo tanto, desde el punto de vista de los autores, los pacientes potencialmente podrían beneficiarse de esta tecnología si el diagnóstico de cáncer de mama puede ser difícil, incluidas las mujeres más jóvenes, hombres, pacientes con senos densos o pacientes con senos alterados quirúrgicamente (implantes, reducción de senos; siempre que los pezones estén intactos para la orientación y análisis de asimetría).
22. Tan, T. Z., Quek, C., Ng, G. S., & Ng, E. Y. K. (2007). A novel cognitive interpretation of breast cancer thermography with complementary learning fuzzy neural memory structure. Expert Systems with Applications, 33(3), 652–666. doi:10.1016/j.eswa.2006.06.012. Estudios recientes han determinado que la clave para la supervivencia del cáncer de mama descansa en su detección más temprana posible. Si se descubre en su etapa más temprana, son posibles tasas de curación del 95%. Por otro lado, se informa que entre el 70 y el 90% de las biopsias por escisión realizadas son benignas. Debido a esta alta tasa de falsos positivos, se han realizado muchos esfuerzos para mejorar la detección temprana del cáncer de mama. La mamografía se acepta como la modalidad de imagenología más confiable y rentable. Sin embargo, posee una tasa alta de falsos negativos y existen otros riesgos asociados con su práctica. La imagenología térmica de los senos es una tecnología de detección de cáncer no invasiva y económica, una entre muchas otras propuestas. Se proporciona una tabla de precisión de las modalidades de diagnóstico de cáncer de mama. Las herramientas inteligentes contribuyen significativamente a mejorar la detección y el pronóstico del cáncer de mama. Este artículo examina una red neuronal difusa inspirada, evolutiva y autónoma de neurociencia basada en el aprendizaje positivo y negativo. Se representa la arquitectura del sistema, las estructuras de reglas y el proceso. Los resultados muestran la fuerza del aprendizaje complementario en la tarea de reconocimiento para ayudar a los médicos en diferentes tareas de diagnóstico al proporcionar un apoyo de decisión relativamente preciso.

	© Todos los derechos reservados. Dr. Eduardo René Rodríguez Ávila	Creación: 2019.01.20 Última actualización: 2019.09.16
El contenido de este sitio puede ser copiado y reproducido libremente mientras no sea alterado y se cite su origen. Marcas y productos registrados son citados por referencia y sin fines de lucro o dolo. Todas las opiniones son a título personal del o los autores de éstas y, salvo sea expresado de otro modo, deben considerarse como registro y expresión de la experiencia de uso de aquello que es tratado. Para conocer más sobre la posición de privacidad y responsabilidad de lo que se presenta en este sitio web y como ha sido obtenido, consulte la declaración al respecto.