Quantus Mama
Descripción
Ayuda a la priorización de pacientes con posibles patologías mamarias, por parte de los y las radiólogas. Su tecnología está basada en el análisis cuantitativo de la textura de la imagen mamaria. Clasifica las imágenes y les otorga una categoría basándose en el sistema conocido como BI-RADS (Breast Imaging-Reporting and Data System) que determina la probabilidad de malignidad de la mama analizada, basadas en valores de sensibilidad en vez de en valores del valor predictivo positivo. Diseñado como una herramienta de ayuda a los clínicos, especialmente en procesos masivos de cribado de pacientes con factores de riesgo, en la detección temprana de patologías mamarias; y priorización de listas de espera.
- Organismo:
- Osakidetza - Departamento de Salud.
- Responsable:
- Benjamín Juez Fernández.
- Contacto:
- Datos de contacto.
- Organismo o entidad responsable a nivel técnico:
- Osakidetza - (Subdirección de Informática y Sistemas de Información, Servicio de Tecnología).
- Dominio:
- Salud.
- Estado del algoritmo o sistema:
- Productivo.
- Fecha de implantación:
- 2024.
- Socio/empresa proveedora:
- Transmural Biotech S.L..
Más información
Con qué datos se está entrenando el sistema algorítmico y qué datos se procesan cuando está en uso.
| Título del conjunto de datos | URL (si es pública) | Propósito de utilizar los datos en el modelo |
|---|---|---|
| Dataset de Osakidetza Acuerdo de colaboración con Biodonostia |
No es pública | Desarrollo de un sistema de priorización e informado de mamografías. |
Se explica de qué forma el sistema procesa automáticamente los datos de entrada para generar los resultados del modelo.
- Tecnología utilizada:
- Se usó la plataforma de investigación desarrollada por Trasmural Biotech S.L., para la aplicación de algoritmos de ML/redes de DL a datasets de imágenes o datos clínicos
- Tipo de algoritmo:
- 2 algoritmos (nódulos y micro calcificaciones) predictivos de clasificación binaria
- Descripción del algoritmo:
- El algoritmo consiste en la aplicación de la red ResNet50 tanto para micro calcificaciones como para nódulos, tras ser entrenada con un subconjunto de las 12960 imágenes proveídas en el dataset.
El algoritmo devuelve una confianza que en el informe, en vez de presentarse de manera dicotómica con un solo umbral, se presenta en una clasificación de 1 a 5 usando 4 umbrales sobre la misma curva ROC de ambos algoritmos.
Asimismo, como el algoritmo trocea las imágenes para detectar mejor la señal patológica, muestra en el informe aquellas zonas donde se registra la mayor clase para cada una de las 4 imágenes del estudio de mamografía (CC derecha e izquierda y MLO derecha e izquierda)- Código fuente y auditoría independiente:
- No, el código fuente es propiedad de Transmural Biotech S.L. así como el modelo de red entrenado.
Si se necesitara para una auditoría, si podría ponerse a disposición tras el acuerdo de confidencialidad correspondiente
Se explica, si procede, si ha sido necesario implantar alguna medida para promover la igualdad y la no discriminación por motivos de edad, origen, nacionalidad, idioma, religión, creencia, opinión, actividad política, etc.
- Sesgo:
- No aplica.
- Accesibilidad:
- No aplica.
Se explica de qué forma las personas están al tanto o controlan el sistema, asegurándose de que no produzca efectos adversos o no deseados.
Sólo es una ayuda para priorizar listas de trabajo. La decisión final siempre es del o de la radióloga.
Riesgos conocidos asociados con el sistema y los métodos utilizados para mitigarlos.
- Descripción:
- No hay riesgos inaceptables ya que el caso de uso clínico es la priorización de la lista de trabajo actual de los y las radiólogas, sin excluir ningún paciente de la lista de trabajo, de forma que la o el radiólogo pueda prestar mayor y anterior atención a las imágenes catalogadas por la IA como mayor riesgo de presentar nódulos o micro calcificaciones.
- Riesgos conocidos:
- Informe de resultados tardío o ausente: no se produce daño al paciente por el uso clínico de esta información en pruebas planificadas que no tienen como objetivo responder a situaciones clínicas urgentes y la información proporcionada por quantusMM puede obtenerse por otros medios.
- Resultado incorrecto: el uso previsto es analizar mamografías y darles una categoría que determine la probabilidad de malignidad de la mama analizada para priorizar atención. El resultado proporcionado por quantusMM no es un resultado diagnóstico directo, sino una cuantificación de imagen utilizada como herramienta de ayuda para el riesgo de patologías mamarias. El producto solo puede causar daño o lesión al paciente en caso de mal uso clínico o confianza excesiva en la información proporcionada.
- Resultado incorrecto: no se produce daño al paciente al predecir el riesgo de patología mamaria, poniendo al paciente bajo vigilancia médica con controles innecesarios. Balance beneficio riesgo aceptable.
- Categoría de riesgo del algoritmo (inaceptable, alto, reducido o mínimo):
- Mínimo
- ¿Se utiliza algún sistema/procedimiento para medir el riesgo del algoritmo?
- Norma EN ISO 14971
Fecha de última modificación: