Automatic high-resolution ananlysis of pap test cells

Abstract

Según la Organización Mundial de la Salud (OMS), el cuarto tipo de cáncer más frecuente en mujeres es el de cuello uterino. En Ecuador en 2018, hubo 1612 casos de esta enfermedad y 838 muertes. Una práctica vital para evitar estas pérdidas es el diagnóstico temprano de la enfermedad, que se logra con la prueba de Papanicolaou. Una de las labores del médico o técnico patólogo es revisar la muestra de Papanicolaou y determinar si el paciente tiene células cancerosas sospechosas o evidentes. En Ecuador, el médico revisa el frotis de Papanicolaou “manualmente”, es decir, tiene que revisar la imagen del microscopio digital del frotis poco a poco hasta cubrir toda la imagen; esta búsqueda puede llevar hasta 30 minutos para un operador experimentado. En 2014, había menos de 389 patólogos en Ecuador, lo que muestra una falta de personal y, en consecuencia, una dificultad importante para el diagnóstico temprano. Esta tesis utiliza redes neuronales convolucionales en el ambiente de TensorFlow para crear un sistema de escaneo rápido para el reconocimiento de células. El método propuesto emplea un proceso de dos etapas. La primera etapa es un escaneo de alta velocidad de baja resolución que detecta las células, las amplía y luego pasa una versión de alta resolución a la siguiente etapa. La segunda etapa se encarga de la clasificación de alta resolución. La máquina se creó utilizando un conjunto de 963 imágenes de frotis de Papanicolaou de base líquida. Estas imágenes corresponden a 460 pacientes y fueron tomadas con un aumento de 40x utilizando un microscopio Leica ICC50 HD. El software ya entrenado clasifica las células en normales y anormales para que luego, un patólogo altamente capacitado pueda revisar las muestras sospechosas de Papanicolaou haciendo un análisis de cerca, ayudando a los patólogos a lograr un diagnóstico más temprano y mejorando el servicio médico.