El proceso, creado por Ximena Fernanda Cortés Perales, Isaac Iván Aguirre Bahena y Sergio Martínez Ávila (Escuela Superior de Cómputo, ESCOM), es realizado por medio de Redes Neuronales Artificiales, con las que se clasifican las imágenes según ciertos patrones, rasgos y características predeterminadas. Las redes fueron abastecidas con un banco de imágenes de 1,400 pacientes de The Lung Image Database Consortium Image Collection, con las que fueron entrenados los algoritmos que tienen la capacidad de reconocer las diferencias entre tomografías de pacientes sanos y aquellos con problemas en los pulmones.
“Nuestro sistema alcanzó un 95 por ciento de precisión y 95 por ciento de exhaustividad, que se refiere al porcentaje de los pre-diagnósticos que se clasifican correctamente.”Ximena Cortés destaca que la interpretación de la imagen en una tomografía de tórax no es sencilla, ya que existe gran cantidad de información contenida en ella, y esto puede dificultar la toma de decisiones y provocar diagnósticos erróneos.
Los estudiantes dijeron que de ninguna manera se pretende que este nuevo proceso sustituya los análisis clínicos y métodos tradicionales, pero sí evitará que los pacientes sanos se sometan a biopsias o tratamientos invasivos que no son necesarios, puesto que el programa tiene la capacidad de identificar las imágenes que presentan el más mínimo indicio de cáncer. Con esto, el especialista podrá ordenar biopsias y otros estudios solo a los pacientes que sean seleccionados por el sistema.