RADIOLOGÍA
IA aplicada al cribado y valoración de patología mamaria.
Desarrollado en colaboración con el Servicio Vasco de Salud Osakidetza y el Instituto Biodonostia, quantusMM analiza imágenes mamográficas para identificar nódulos y microcalcificaciones y categorizar los resultados según su probabilidad de malignidad.
DESCRIPCIÓN
quantusMM es un test para la detección de nódulos y microcalcificaciones malignas que se basa en el análisis automático de una mamografía.
quantusMM es un software para dispositivos médicos (MDSW) diseñado para ser utilizado por radiólogos y otros profesionales sanitarios con el fin de proporcionar una predicción (expresada mediante un sistema de clases) de la presencia de nódulos y microcalcificaciones malignas. El dispositivo proporciona información médica como apoyo en el proceso de toma de decisiones relacionadas con la identificación y el manejo de pacientes con riesgo de cáncer de mama.
El dispositivo ha sido 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.
CASOS DE USO
CU-MM-01: Cribado Masivo de Cáncer de Mama en Programas de Salud Pública
En programas de cribado de cáncer de mama, quantusMM analiza automáticamente las mamografías y clasifica el riesgo según la escala BI-RADS en menos de 2 minutos, permitiendo al radiólogo priorizar la revisión de los casos con mayor probabilidad de malignidad y optimizar el flujo de trabajo.
CU-MM-02: Segunda Lectura Automática en Hospitales
En unidades de mama hospitalarias, quantusMM puede utilizarse como sistema de segunda lectura de mamografías, identificando los casos en los que existe discrepancia entre el algoritmo y el radiólogo para su revisión por un segundo especialista y reforzar la seguridad diagnóstica.
CU-MM-03: Priorización de Listas de Espera en Urgencias Oncológicas
En unidades de mama con alta carga asistencial, quantusMM analiza automáticamente las mamografías pendientes de revisión y prioriza la lista de trabajo según el nivel de riesgo, facilitando que los casos con mayor probabilidad de malignidad sean evaluados con mayor rapidez.
CU-MM-04: Expansión a Mercados Emergentes con Acceso Limitado a Especialistas
En hospitales con escasez de radiólogos especializados, quantusMM puede utilizarse como herramienta de apoyo al cribado, realizando el análisis inicial de las mamografías y facilitando la derivación de los casos sospechosos para su revisión por especialistas, ampliando el acceso a un diagnóstico de calidad.
EVIDENCIA CLÍNICA
Predicción y localización de nódulos malignos y microcalcificaciones en mamografías mediante Deep Learning (quantusMM)
Para el estudio se usaron 3.114 mamografías de 976 pacientes, procedentes de Onkologikoa, Instituto Oncológico de Kutxa.
La herramienta consta de un paso previo de preprocesamiento y dos módulos independientes: uno que detecta nódulos malignos y otro que detecta microcalcificaciones malignas, ambos basados en el análisis cuantitativo de la textura de la imagen mamaria. Los pasos son:
El sistema clasifica cada mamografía en cinco clases de malignidad, desde la Clase 1 (mayor sensibilidad y por tanto menor probabilidad de malignidad) hasta la Clase 5 (mayor especificidad y por tanto mayor probabilidad de malignidad). Esta clasificación se establece mediante una serie de umbrales de decisión, cada uno asociado a unos valores determinados de sensibilidad, especificidad, valor predictivo positivo (PPV) y valor predictivo negativo (NPV), tal como se muestra en las tablas siguientes.
| UMBRAL DE NÓDULOS | Sensibilidad | Especificidad | PPV * | NPV * |
|---|---|---|---|---|
| Clase 4-5 | 37% | 99% | 99% | 62% |
| Clase 3-4 | 65% | 95% | 92% | 73% |
| Clase 2-3 | 95% | 51% | 65% | 91% |
| Clase 1-2 | 99% | 23% | 56% | 95% |
| UMBRAL DE MICROCALCIFICACIONES | Sensibilidad | Especificidad | PPV * | NPV * |
|---|---|---|---|---|
| Clase 4-5 | 42% | 99% | 99% | 73% |
| Clase 3-4 | 66% | 95% | 89% | 81% |
| Clase 2-3 | 95% | 52% | 56% | 94% |
| Clase 1-2 | 99% | 3% | 39% | 89% |
* PPV y NPV: Valor Predictivo Positivo y Valor Predictivo Negativo
INTEGRACIÓN DE LA SOLUCIÓN
- Nuestros productos permiten la integración con los sistemas de los clientes a través de protocolo DICOM y a través del interfaz HL7 FHIR
- Aseguramos la privacidad de los datos en instaciones SaaS a través del establecimiento de VPN IpSec con nuestros clientes.
- Todas las comunicaciones fuera del entorno de cliente están securizadas con SSL TLS 1.3
LICENCIAMIENTO POR NÚMERO DE PRUEBAS
LICENCIAMIENTO POR ANÁLISIS REALIZADOS
OFERTAS PERSONALIZADAS
