En México, donde el cáncer cervicouterino arrebata cada año miles de vidas femeninas, una joven investigadora del Instituto Politécnico Nacional ha tendido un puente entre la inteligencia artificial y la medicina preventiva. Irari Jiménez López desarrolló un sistema capaz de analizar imágenes citológicas con más del 95% de precisión, ofreciendo a los patólogos un aliado incansable frente a la fatiga y la urgencia del diagnóstico temprano. Su trabajo no propone sustituir al ojo humano, sino acompañarlo en el momento en que más se le exige.
Estudiante del IPN crea IA que detecta cáncer cervicouterino con 95% de precisión
El cáncer cervicouterino causa miles de muertes anuales en mujeres mexicanas, siendo la segunda causa de mortalidad femenina en el país.
El tiempo que separa a una mujer de un diagnóstico es lo que más importa
Mark
¿Por qué decidió enfocarse específicamente en el cáncer cervicouterino? Hay muchas enfermedades que podrían beneficiarse de esta tecnología.
Mimi
Porque es la segunda causa de muerte en mujeres en México. Es un problema de salud pública que está ahí, visible, y donde el tiempo de diagnóstico es literalmente la diferencia entre vivir y morir. Jiménez vio una brecha que podía cerrar.
Luke
Pero el 95 por ciento de precisión, ¿en qué contexto? ¿Es en células aisladas en condiciones de laboratorio controladas, o en muestras reales del sector público?
Mimi
Es en células aisladas. El artículo es claro en eso. La siguiente fase es trabajar con muestras completas, que es mucho más complejo.
Mark
¿Y cuándo podría estar disponible en clínicas públicas?
Mimi
No hay un cronograma específico. Están en fase de investigación avanzada, pero todavía hay trabajo por hacer.
Luke
Entonces no sabemos si esto llegará a las mujeres que realmente lo necesitan, o si quedará en publicaciones académicas.
Mimi
Es un riesgo real. Pero el hecho de que esté siendo publicado internacionalmente y que el IPN lo esté desarrollando sugiere que hay intención de llevarlo a la práctica.
Mark
¿Qué pasa con los patólogos? ¿Tienen miedo de perder sus empleos?
Mimi
El proyecto está diseñado para apoyarlos, no para reemplazarlos. Un patólogo cansado después de revisar 50 láminas comete errores. Una máquina no se cansa. Juntos podrían trabajar mejor.
Luke
Pero eso depende de cómo se implemente. Si las instituciones ven esto como una forma de reducir personal, el resultado es diferente.
Mimi
Cierto. La tecnología es neutral. Lo que importa es la decisión política sobre cómo usarla.
Der Puls
- El cáncer cervicouterino es la segunda causa de muerte en mujeres mexicanas, y los retrasos en el diagnóstico cuestan vidas que podrían salvarse con detección oportuna.
- Los patólogos del sector público analizan más de 50 láminas diarias bajo el microscopio, acumulando fatiga que genera discrepancias y errores en los criterios de evaluación.
- Jiménez construyó un sistema de redes neuronales convolucionales que combina modelos matemáticos de color —RGB, CMYK, CIELAB— para identificar células anormales con una exactitud superior al 95%, resultado validado en la revista internacional AI Magazine.
- El sistema avanza ahora hacia la segmentación semántica de muestras completas, buscando emular la evaluación integral de un patólogo experimentado en un solo barrido automatizado.
- El objetivo no es desplazar a los profesionales de la salud, sino reducir los tiempos de análisis en instituciones públicas y acercar a cada mujer a un diagnóstico temprano.
En México, donde el cáncer cervicouterino arrebata cada año miles de vidas femeninas, una joven investigadora del Instituto Politécnico Nacional ha tendido un puente entre la inteligencia artificial y la medicina preventiva. Irari Jiménez López desarrolló un sistema capaz de analizar imágenes citológicas con más del 95% de precisión, ofreciendo a los patólogos un aliado incansable frente a la fatiga y la urgencia del diagnóstico temprano. Su trabajo no propone sustituir al ojo humano, sino acompañarlo en el momento en que más se le exige.
En México, el cáncer cervicouterino es la segunda causa de muerte entre mujeres, y cada semana de retraso en el diagnóstico puede ser decisiva. Irari Jiménez López, estudiante de doctorado en Ciencias de la Computación en el Centro de Investigación en Computación del IPN, identificó en ese retraso un problema que la tecnología podía ayudar a resolver.
En los laboratorios públicos de citología, los patólogos revisan al menos 50 láminas diarias bajo el microscopio. La fatiga es inevitable, los criterios varían entre especialistas y los diagnósticos se acumulan. Jiménez no buscó reemplazar a esos médicos, sino darles un aliado que trabajara sin cansancio.
Junto a los doctores Carlos Aguilar Ibáñez y José Eduardo Valdez Rodríguez, desarrolló un sistema que primero reorganiza la información visual de las muestras citológicas mediante modelos matemáticos de color —RGB, CMYK, escala de grises y el sistema CIELAB, diseñado para imitar la percepción humana del tono—. Tras doce experimentos de rotación y redimensionamiento de imágenes, construyó una arquitectura de aprendizaje profundo con redes neuronales convolucionales capaces de delimitar con precisión el núcleo y el citoplasma de cada célula para determinar si es sana o anormal.
El resultado fue una exactitud superior al 95%, validada y publicada en la revista académica internacional AI Magazine. No es un prototipo teórico: el sistema funciona.
Ahora la investigación avanza hacia la segmentación semántica de muestras completas, donde el algoritmo deberá contar células, detectar patógenos y señalar alteraciones en un solo barrido, emulando la mirada integral de un patólogo experimentado. Cuando eso sea posible, el tiempo que separa a una mujer de un diagnóstico temprano será considerablemente más corto. Y en el cáncer cervicouterino, ese tiempo lo es todo.
En México, el cáncer cervicouterino mata más mujeres que casi cualquier otra enfermedad. Es la segunda causa de muerte femenina en el país, y cada año el tiempo que tarda en detectarse puede ser la diferencia entre una vida salvada y una perdida. Irari Jiménez López, estudiante de doctorado en Ciencias de la Computación en el Centro de Investigación en Computación del Instituto Politécnico Nacional, decidió que ese tiempo no tenía que ser tan largo.
En los laboratorios de citología del sector público mexicano, un patólogo se sienta frente al microscopio y revisa al menos 50 láminas cada día. Cada lámina contiene células cervicales que deben ser examinadas con cuidado para detectar anomalías. La fatiga es inevitable. Los criterios varían de un especialista a otro. Los diagnósticos se retrasan. Jiménez vio un problema que la tecnología podría ayudar a resolver, no reemplazando a los médicos sino dándoles un aliado que trabajara más rápido y sin cansancio.
Las muestras citológicas son visuales complejas. Están saturadas de elementos que confunden cualquier intento de análisis automatizado. Trabajando con los doctores Carlos Aguilar Ibáñez y José Eduardo Valdez Rodríguez, Jiménez construyó un sistema que comenzaba por reorganizar la información que veía. Utilizó distintos modelos matemáticos de color: RGB, CMYK, escala de grises, y el sistema CIELAB, que fue diseñado específicamente para imitar la forma en que el ojo humano percibe las tonalidades. Realizó doce experimentos diferentes, rotando y redimensionando imágenes, hasta identificar qué transformaciones matemáticas hacían que las células fueran más claras y reconocibles.
Sobre esa base construyó una arquitectura de aprendizaje profundo. Utilizó redes neuronales convolucionales, capas de activación, filtros inteligentes que extraen características clave de cada píxel. El algoritmo aprendió a ponderar la información relevante y a reconocer patrones complejos. Luego añadió una técnica de segmentación que delimita con precisión milimétrica el núcleo y el citoplasma de cada célula, permitiendo evaluar si es sana o anormal.
Los resultados fueron contundentes. El sistema alcanzó una exactitud superior al 95 por ciento en la identificación de células aisladas. Ese logro fue validado y publicado en la revista académica internacional AI Magazine. No es un prototipo teórico. Es un sistema que funciona.
Pero Jiménez no busca reemplazar a los patólogos. Su intención es convertir este desarrollo en un respaldo crucial para las instituciones públicas, acelerando los tiempos de análisis sin quitar el trabajo humano de la ecuación. La investigación avanza ahora hacia una fase más compleja: la segmentación semántica de muestras completas, donde el sistema tendría que contar células, detectar patógenos y señalar alteraciones en un solo barrido, emulando la mirada integral de un patólogo experimentado. Cuando eso suceda, el tiempo que separa a una mujer de un diagnóstico temprano será más corto. Y en el caso del cáncer cervicouterino, ese tiempo es lo que más importa.
Bemerkenswerte Zitate
El sistema está diseñado para convertirse en un respaldo crucial para optimizar los tiempos de análisis en las instituciones públicas, sin buscar sustituir la labor de los profesionales de la salud— Síntesis del enfoque del proyecto de Irari Jiménez
Möchten Sie die ganze Geschichte?
Das Original lesen bei TV Azteca ↗
World & Diplomacy