1. INTRODUCCIÓN Contexto del proyecto

Transcripción

1 1. INTRODUCCIÓN 1.1. Contexto del proyecto En este proyecto desarrollaremos un algoritmo para el estudio de imágenes dermatoscópicas basándonos en el análisis de patrones. Sin embargo, antes de adentrarnos en esta materia sería interesante explicar algunos conocimientos médicos que, aunque están fuera del objetivo de este proyecto, ayudarán a la contextualización de nuestro trabajo. Existen dos tipos fundamentales de cáncer de piel en función de la célula de la cual se originen: Melanoma: este cáncer surge en los melanocitos, que son células que forman parte de la epidermis, la capa más superficial de la piel. El caso más típico de esta patología es un lunar que degenera en melanoma. Este cáncer se da con poca frecuencia pero es el más agresivo. Actualmente supone un foco de atención desde el punto de vista médico ya que en los años 80 se detectó un aumento de la enfermedad y desde entonces la incidencia del melanoma no ha hecho más que aumentar por la base genética que tiene. Cáncer no melanoma: es debido a los queratinocitos que son células que, al igual que en el caso anterior, forman parte de la epidermis. Hay dos tipos de tumores dentro de este grupo: - Carcinoma basocelular: es el cáncer de piel más frecuente. Suele aparecer en la tercera edad, en pieles con un daño crónico por el sol, aunque también puede aparecer en personas jóvenes con mucho tiempo en exposición solar. En este tipo, la lesión aparece en piel sana, a diferencia del melanoma que, como hemos comentado antes, surge normalmente por la degeneración de lesiones benignas. El carcinoma basocelular no da metástasis, (existen algunos casos pero se consideran excepciones) crece célula a célula por contigüidad sin invadir a distancia. Eugenia Ramírez Solano Página 5

2 - Carcinoma espinocelular: aparece sobre todo en mucosas, es poco frecuente y a diferencia del anterior puede producir metástasis. El principal factor de la aparición de este cáncer es el sol aunque también hay otros factores que crean mayor predisposición como los genéticos, las radiaciones, algunas sustancias químicas, etc Problema a resolver En la actualidad, el número de casos de cáncer de piel diagnosticados, ha aumentado significativamente debido tanto a la concienciación de la población como a los avances hechos en la materia. Este incremento se ha producido principalmente en el sector de población de jóvenes y mujeres por su mayor exposición al sol. Para evitar desarrollar esta enfermedad, es muy importante la revisión de las lesiones de la piel pudiendo conseguir una detección temprana. Con ese fin, se desarrollan nuevos algoritmos y nuevas herramientas facilitadoras de la labor del dermatólogo que le permitan obtener un diagnóstico precoz y fiable de esta patología. La Dermatoscopia es la técnica no invasiva de diagnóstico que facilita el estudio de las lesiones para poder realizar un tratamiento precoz. Utiliza un sistema de magnificación con luz incidente que permite observar estructuras de la epidermis y la dermis, las dos capas más superficiales de la piel, que a simple vista no son visibles. En ningún momento hay que olvidar que esta técnica es una herramienta para complementar al médico y contribuir a la eficiencia de su diagnóstico. Los avances obtenidos en esta área nunca podrán sustituir al especialista. Una vez obtenida la imagen de la lesión el siguiente paso es clasificarla. Para realizar la evaluación dermatoscópica de la lesión cutánea es muy común usar el método de diagnóstico en dos etapas. En el CNMD, el Consensus Net Meeting on Dermoscopy, este procedimiento fue el usado por la mayoría de sus participantes para clasificar las lesiones [3]. En la primera fase del procedimiento se cataloga la imagen en melanocítica o no melanocítica. Para ello, se evalúa la presencia de una serie de características propias de los tumores melanocíticos, quedando catalogada como lesión melanocíticas en caso de detectarlos. Si estos criterios no se encuentran en la lesión se deberán evaluar las características específicas de los tumores no melanocíticos. Si la lesión tampoco Eugenia Ramírez Solano Página 6

3 presentara estas características se considerará lesión melanocítica. Esto se debe a que las lesiones melanocíticas son las que podrían derivar en un melanoma, que como ya dijimos anteriormente, es el cáncer más agresivo. Este es el motivo por el cual en caso de no poder discernir entre un tipo u otro, la consideremos un posible melanoma, minimizando así el riesgo de infradiagnóstico. Una vez que esta clasificación es realizada se pasa a la siguiente etapa del procedimiento. En la segunda fase, dentro del grupo de lesiones clasificadas anteriormente como lesiones melanocíticas, se aplican algoritmos para diferenciar los melanomas de las lesiones melanocíticas benignas. En este segundo paso se pueden usar distintos algoritmos para el estudio de las lesiones. Los más comunes son: - La regla de los 7 puntos - La regla ABCD - El método de Menzies - Análisis de patrones Además de las cuatro reglas clínicas mencionadas también existen más algoritmos que han ido surgiendo conforme se profundizaba en la materia como pueden ser el método ABCD(E) de Kittler o la lista de los 3 puntos de Soyer, etc. En el CNMD, se evaluaron la especificidad y sensibilidad de los cuatro algoritmos más comunes. De los resultados obtenidos se llegó a la conclusión de que para el diagnóstico del melanoma el análisis de patrones era el más eficiente en términos de especificidad y sensibilidad (83,4% y 83,7% respectivamente). El resto de algoritmos a pesar de tener una sensibilidad similar a la del análisis de patrones, la especificidad era menor (entre un 11,9% y un 13.4% menos) [3]. En este proyecto nos centraremos en el estudio del análisis de patrones como algoritmo de clasificación de las lesiones melanocíticas para implementar un método que detecte determinados patrones en las imágenes. Eugenia Ramírez Solano Página 7

4 Este proceso de clasificación que acabamos de explicar queda recogido en la siguiente figura. Este algoritmo es conocido en el entorno médico por Algoritmos de diagnóstico. (Nótese que, como ya hemos comentado, en el caso de no poder discernir entre melanocítica o no melanocítica, la lesión se cataloga como melanocítica como medida preventiva para así, contemplar la posibilidad de que sea el cáncer más agresivo). Ilustración 1 Algoritmos de diagnóstico en 2 etapas Eugenia Ramírez Solano Página 8

5 1.3. Metodología usada para la resolución del problema Como ya hemos comentado, el análisis de patrones es un método muy usado para la detección de melanomas, de ahí que nos centremos en su estudio ya que es el preferido por los dermatólogos profesionales, como apuntaron los participantes del CNMD. Este método se basa en buscar patrones determinados en la lesión bajo estudio que guíen al dermatólogo al emitir el diagnóstico de la misma. Dentro de los múltiples patrones que hay, los criterios establecen que lesiones con patrones globular, empedrado, homogéneo o estrellado están asociadas a diagnósticos de lesiones melanocíticas benignas mientras que el patrón paralelo y el multicomponente están relacionados con el melanoma [3]. En nuestro trabajo, en primer lugar, se implementó un método que, basándose en la textura de la imagen detectara 4 patrones: reticulado, paralelo, homogéneo y empedrado. Este método se basa en la idea de que cada textura tiene un patrón que se repite entre un píxel y su conjunto de vecinos. Es decir, si subdividimos la imagen de la lesión en vecindarios estos guardarán cierto parecido en función del patrón de la imagen bajo observación. Por ejemplo, en el caso del homogéneo si tomamos un píxel cualquiera de referencia y su vecindario 3x3 todos estos píxeles tendrán el mismo color o un color muy similar por lo que los valores de los píxeles de dicho vecindario serán muy parecidos. De esta forma una imagen con patrón homogéneo estará formada por un conjunto de vecindarios cuya característica común será que los píxeles tienen un valor similar. En la siguiente figura podemos observar una imagen de una lesión de la cual se han extraído tres regiones a modo de vecindarios para representar lo explicado. Como se puede comprobar las tres se caracterizan por tener un color similar, es decir, todos los píxeles tienen un valor parecido. Eugenia Ramírez Solano Página 9

6 Ilustración 2 Lesión con patrón homogéneo En el caso del patrón paralelo hemos extraído de nuevo tres regiones distintas de la lesión. En este caso la característica que se repite es que los vecindarios están formados por líneas verticales, de forma que los píxeles de las líneas verticales tendrán un valor y aquellos donde no haya línea compartirán otro valor. Ilustración 3 Lesión con patrón paralelo Eugenia Ramírez Solano Página 10

7 Así pues se implementó un algoritmo que extrajera esta característica que comparten las imágenes de un mismo patrón y usara el resultado obtenido para formar un modelo con el que poder clasificar imágenes nuevas. Posteriormente con la intención de mejorar los resultados obtenidos por este primer método se incluyó el color en el algoritmo de forma que caracterizamos los patrones por textura y color en lugar de trabajar en grises como se hacía en el primer método. En este documento se profundizará sobre ambos algoritmos y se mostrarán los resultados obtenidos en los experimentos llevados a cabo. Eugenia Ramírez Solano Página 11