Redes neuronales aplicadas a la detección y diagnóstico del Cáncer de Mama, una revisión sistemática de la literatura científica de los últimos 5 años

Abstract

Una de las enfermedades mortales que se presenta en la mujer es el cáncer de mama y está asociada a un diagnóstico tardío y a un escaso acceso a una atención médica acorde a las necesidades de la paciente, por ello las redes neuronales juegan un papel relevante en la detección del cáncer de mama y pretende ser un apoyo para garantizar su precisión y fiabilidad en los resultados oncológicos. Por lo tanto, el objetivo de la presente revisión sistemática es conocer cómo las redes neuronales ayudan a mejorar la precisión en el diagnóstico del cáncer de mama a través del reconocimiento de imágenes. Para ello, se utilizó la fórmula generada con la metodología PICO; así mismo, el primer resultado fueron 203 investigaciones relacionadas con el tema y con base en los criterios de inclusión y exclusión establecidos, se seleccionaron 20 artículos científicos finales de libre acceso de la base de datos Scopus. En relación a los resultados, se encontró que el uso de redes neuronales en el diagnóstico del cáncer de mama, especialmente las redes neuronales convolucionales (CNN), ha demostrado ser una herramienta prometedora para mejorar la precisión y detección temprana de la enfermedad, llegando a alcanzar una precisión del 98 % en el reconocimiento de imágenes clínicas, lo que significa una gran diferencia en comparación con los métodos tradicionales. Por otro lado, aunque existen retos como la limitada disponibilidad de conjuntos de datos de alta calidad y el sesgo en los datos de entrenamiento, se sugiere investigar el desarrollo de métodos que integren múltiples fuentes de información y el uso de técnicas de aprendizaje profundo.