Download Análisis de imágenes dermatoscópicas para el diagnóstico de

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
-
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.
1.2. 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
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
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
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
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
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