Identificación de Neoplasia Intraepitelial Cervical para la predicción de Cáncer Cervical mediante el uso de aprendizaje profundo

Abstract

The imaging diagnostic processes have developed high efficiency, gaining impact in the present day. However there are limits in their interpretation; That is the case of the Cervical Intraepithelial Neoplasia or cervical dysplasia. There are a lot of women worldwide suffering this lesion, in many patients their lives are not in danger, but there are other cases which the lesion evolves in one of the top 5 cancer with the higher mortality, the cervical cancer. Usually, the dysplasia is diagnosed by colposcopy, this method allows the lesion identification and the severity level within; But it is limited by the tissue complexity and in special cases, the specialists lack of experience driving the diagnostic. Meanwhile in developed countries, this issues are not common, it is important to develop diagnostic assistance technologies for the regions who need it. The investigations purpose is the use of classification deep learning models to predict the lesion presence and its severity in colposcopy images.

Hoy en día son de suma importancia los procedimientos de diagnóstico basados en imágenes gracias a su alto nivel de eficiencia y practicidad, lamentablemente existen limitantes en cuanto a su interpretación se trata; Este es el caso de la Neoplasia Intraepitelial Cervical o displasia cervical. Muchas mujeres alrededor del mundo padecen esta lesión y aunque en varias ocasiones no compromete su vida, aún existen casos en los que las pacientes desarrollan uno de los 5 tipos de cáncer con mayor tasa de mortalidad del mundo, el cáncer cervical. Para la displasia cervical es usual la implementación de colposcopía como método de diagnóstico inicial, dado que permite identificar la lesión y su grado de severidad; Pero se limita en la complejidad de los tejidos y en ocasiones, la falta de experiencia del especialista que lleva a cabo el diagnóstico. Pese a que en países desarrollados estas problemáticas de diagnóstico no son muy comunes, es importante el desarrollo de tecnologías de asistencia diagnóstica para regiones en las que se necesitan. Con este trabajo se propone el uso de modelos de clasificación basados en aprendizaje profundo, para comprobar la presencia de la lesión y el grado de severidad en imágenes de colposcopía.