Diseño de un Sistema Inteligente para la detección de

15vo CONGRESO NACIONAL DE INGENIERÍA
ELECTROMECÁNICA Y DE SISTEMAS (CNIES 2015)
ARTÍCULO No. SIS06
ARTÍCULO ACEPTADO POR REFEREO
Diseño de un Sistema Inteligente para la
detección de Adenocarcinoma Gástrico
J.L. Alcaide Juárez 1, M. Patiño Ortiz 2, J. Patiño Ortiz 3 (SIDAGET) by image processing, which yielded results that there
are variations as to analyze the blue and green color image highs
and lows, same values that are used to diagnose, considering that
the value of the green color is the one who decides what kind of
situation are: serious injury, slight injury or medium injury,
these values range from 0 to 85, being that between the lower the
value the injury is serious while if the higher mild or no.
Resumen— Actualmente se considera al cáncer como el mayor
problema de salud a nivel mundial. Uno de los canceres causantes
de más de medio millón de muertes por año y considerado como
el segundo lugar de mortalidad es el de estómago o
adenocarcinoma gástrico. La incidencia que se tiene entre los
diferentes países se debe principalmente a la invasión de la
bacteria: Helicobacter pylori y a la alimentación de cada uno de
ellos. Actualmente existen 6 métodos para su detección mediante
procesamiento de imágenes: Radiografía seriada del tracto
gastrointestinal superior, Ecografía endoscópica, Tomografía
computarizada (CT), Biopsia con aguja guiada por CT,
Tomografía por emisión de positrones (PET) y Laparoscopia. El
objetivo de este artículo es dar a conocer el desarrollo del Sistema
Inteligente para el Diagnóstico de Adenocarcinoma Gástrico en
Etapa Temprana (SIDAGET) mediante procesamiento de
imágenes, el cual arrojó como resultados que existen variaciones
al analizar el color azul y el color verde de la imagen en sus
valores máximos y mínimos, mismos que se usan para poder
diagnosticar, tomando en cuenta que el valor del color verde es el
que decide en qué tipo de situación se encuentra: lesión grave,
lesión mediana o lesión leve, estos valores van desde el 0 hasta 85,
siendo que entre más bajo es el valor, la lesión es grave, mientras
que si es más alto será leve o nula.
Keywords— diagnosis, imaging, early mortality.
E
I. INTRODUCCIÓN
l adenocarcinoma gástrico o cáncer de estómago es
considerado como una enfermedad neoplásica de gran
frecuencia en el mundo, arrojando cifras de más de medio
millón de muertes por año, ver Figura 1 [1].
Se tienen reportes de que en los hombres se registra el doble
de número de casos y en su mayoría se presenta en personas
de más de 55 años [2].
Entre la gran variedad que existen de canceres este ocupa el
lugar número cuatro en incidencia y el segundo en mortalidad
de todo el mundo [3].
Palabras Clave— Diagnóstico, procesamiento de imágenes,
mortalidad.
Abstract— Currently cancer is considered as a major health
problem worldwide. One of the causes cancers of over half a
million deaths per year and considered the second death is the
stomach or gastric adenocarcinoma. The incidence which is
between countries is mainly due to the invasion of the bacterium
Helicobacter pylori and to feed each. Currently there are 6
methods of detection by image processing: serial radiography of
the upper gastrointestinal tract, endoscopic ultrasound,
computed tomography (CT) guided needle biopsy CT, positron
emission tomography (PET) and laparoscopy. The aim of this
article is to present the development of the Intelligent System for
the Diagnosis of Early Stage Gastric Adenocarcinoma
Figura 1 Cifras de cáncer en el mundo (CRUK, 2014).
Juan Luis Alcaide Juárez estudiante de Doctorado en Ingeniería de
Sistemas ESIME – Zacatenco, Instituto Politécnico Nacional, Distrito Federal,
México (e-mail: [email protected]).
Dr.
Miguel
Patiño
Ortiz,
SEPI
ESIME
Zac,
IPN.
[email protected]
Dr. Julián Patiño Ortiz, SEPI ESIME Zac. IPN, [email protected]
México D.F., 19 al 23 de octubre 2015
1
15vo CONGRESO NACIONAL DE INGENIERÍA
ELECTROMECÁNICA Y DE SISTEMAS (CNIES 2015)
ARTÍCULO No. SIS06
ARTÍCULO ACEPTADO POR REFEREO
gastritis crónica (inflamación de las paredes del estómago);
originando ulceras de duodeno y de estómago como
consecuencia de que la inflamación permite que el ácido del
estómago penetre en la zona donde se protegen las paredes del
mismo, ver Figura 2 [2].
La gran variabilidad de tasas de incidencia mundial y
mortalidad se deben fundamentalmente a los distintos patrones
de alimentación y a la prevalencia de infección por la bacteria
denominada: Helicobacter pylori [4].
Por ello en la Unión Europea es el quinto cáncer por
incidencia y el cuarto por mortalidad, con estimación de tasas
de incidencia en 2008 de 18, 2 casos nuevos en hombres y 8,1
en mujeres anuales por cada 100 000 personas
respectivamente [5].
Existen pruebas de detección rutinarias para diagnosticar,
entre las cuales tenemos el Estudios por imágenes, el cual se
basa en 6 métodos:
Radiografía seriada del tracto gastrointestinal superior:
Estudio no comúnmente usado podría no detectar áreas
anormales, lo cual no permite a los médicos tomar muestras de
biopsia. [7].
Ecografía endoscopia: Procedimiento utilizado para saber
hasta qué zonas se propago el cáncer: pared del estómago,
tejidos circundantes y ganglios linfáticos cercanos [7].
Figura 2 Ciclo de vida Adenocarcinoma Gástrico
(Elaboración propia, 2015).
Tomografía computarizada (CT): Estudio que se basa en
radiografías que generan imágenes transversales a detalle del
cuerpo [7].
Diagnóstico
El cáncer de estómago en su etapa inicial en la minoría de las
veces da a notar síntomas, por ello es una tarea difícil
detectarlo en etapa temprana. Solo aproximadamente uno de
cinco diagnósticos en los Estados Unidos se encuentra en
etapa temprana, es decir, antes de su propagación a diversas
áreas del cuerpo [7].
Biopsia con aguja guiada por CT: Se usan las tomografías por
computadora (CT) para dirigir la aguja de una biopsia hacia el
área en donde se sospecha que existe la propagación de cáncer
[7]
.
Tomografía por emisión de positrones (PET): Este método se
utiliza cuando el medico tiene la sospecha de que el cáncer se
haya propagado, pero desconoce hacia donde [7].
En algunos casos en la etapa inicial el paciente puede sentir
algunos síntomas: indigestión, malestar estomacal, sensación
de llenura antes de comer, nauseas, pérdida de apetito y
acidez; en avanzadas: sangrado en materia fecal, vomito,
pérdida de peso y dolor abdominal [8].
Laparoscopia: Método que se utiliza solo si ya se ha
encontrado el cáncer de estómago [7].
II. DESARROLLO Y/O CAMPO TEÓRICO
Materiales y Métodos
¿Qué está detrás del cáncer de estómago?
De acuerdo a los métodos de diagnóstico analizados se deduce
que se tienen que crear y proponer formas no invasivas para el
diagnóstico exacto, seguro y eficiente de adenocarcinoma
gástrico.
Hoy en día se sabe que existe una bacteria llamada:
Helicobacter pylori (H. pylori) y que esta misma habita en la
mucosa del estómago y el duodeno, por ende se asocia al
cáncer de estómago, tiene forma de espiral y más del 80% de
las personas infectadas no presenta síntomas [1].
En la Figura 3 se describe de manera gráfica la arquitectura
del Sistema Inteligente para el Diagnóstico de
Adenocarcinoma Gástrico en Etapa Temprana (SIDAGET).
En ella se observa como el sistema tiene como punto inicial el
conocimiento del experto que es depositado en una Base de
Datos del Conocimiento que contiene símbolos, es decir,
cadenas de caracteres con formas, contenidos y propiedades
específicas: discreto, representativo y arbitrario [9], se
Se adquiere a una edad temprana y el contagio entre
individuos se cree que es a través de la saliva o la
contaminación fecal [5].
La colonización del estómago de la bacteria se lleva a cabo
cuando empieza a perforar en la mucosa, provoca entonces
México D.F., 19 al 23 de octubre 2015
2
15vo CONGRESO NACIONAL DE INGENIERÍA
ELECTROMECÁNICA Y DE SISTEMAS (CNIES 2015)
ARTÍCULO No. SIS06
ARTÍCULO ACEPTADO POR REFEREO
considera entonces esta base como la parte principal que
alimenta al sistema experto en donde se tiene la experiencia
del especialista y del cual se obtienen resultados aproximados
a la realidad[10]; por tanto une la ciencia y la ingeniería para
comprender desde un punto de vista informático el
comportamiento de la realidad para poder mostrarla en un
sistema inteligente que da como resultado el uso de
Inteligencia Artificial (IA) [11].
2.
En la pantalla principal aparecerá su historial clínico
con respecto a los diagnósticos (Ver Figura 5)
Figura 5 Pantalla que muestra las opciones y la fecha del
último diagnóstico sistema SIDAGET
(Elaboración propia, 2015).
3.
En el botón diagnósticos verá su historial y la fecha
en que se aplicó (Ver Figura 6)
Figura 3 Arquitectura sistema SIDAGET
(Elaboración propia, 2015).
Cuando el paciente llega al centro de salud con síntomas
específicos y con una endoscopia previamente tomada hace lo
siguiente:
1.
Ingresa su número de seguridad social al sistema, si
el número es incorrecto no podrá entrar (Ver Figura
4)
Figura 6 Pantalla que muestra los diagnósticos sistema
SIDAGET
(Elaboración propia, 2015).
El diagrama a bloques de como el sistema hace el diagnóstico
se observa en la Figura 7, el cual se describe a continuación:
1.
2.
3.
4.
5.
Figura 4 Pantalla principal sistema SIDAGET
(Elaboración propia, 2015).
México D.F., 19 al 23 de octubre 2015
3
Carga un archivo valido de imagen(.jpg)
Hace una conversión a tipo negativo de la imagen
Extrae el valor de color de cada pixel
Dibuja la lesión
Arroja un diagnóstico.
15vo CONGRESO NACIONAL DE INGENIERÍA
ELECTROMECÁNICA Y DE SISTEMAS (CNIES 2015)
ARTÍCULO No. SIS06
ARTÍCULO ACEPTADO POR REFEREO
Tabla 1 Valores de colores R,G,B (Elaboración propia, 2015).
MAXIMOS
Figura 7 Proceso de detección y diagnóstico sistema
SIDAGET
(Elaboración propia, 2015).
Resultados
Para que se genere el diagnóstico automático se extrae el color
de cada imagen procesada, y se toma el valor mínimo y
máximo de la imagen, los resultados extraídos se muestran en
la tabla 1, en donde se observa que los valores máximos del
verde y azul no varían mientras que el mínimo rojo varia en
tres ocasiones.
México D.F., 19 al 23 de octubre 2015
4
MINIMOS
RED
Fuertes
87
99
99
96
96
98
71
GREEN
BLUE
RED
GREEN
BLUE
99
99
99
99
99
99
99
191
186
170
183
255
176
212
0
0
0
0
0
0
0
12
10
16
12
0
10
12
101
101
101
101
101
101
101
Medianas
99
99
99
87
92
96
99
98
97
99
99
99
99
97
97
97
99
98
99
93
96
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
99
140
182
167
167
152
197
165
171
131
146
128
160
182
148
157
148
173
143
130
138
139
158
144
251
0
0
0
0
0
2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
43
27
34
38
49
59
33
22
58
49
73
42
27
43
39
43
55
57
65
59
63
55
64
37
101
101
101
101
101
101
101
101
101
101
101
101
101
101
101
101
101
101
101
101
101
101
101
101
Leves
99
98
98
99
99
99
99
99
137
118
124
120
0
0
15
43
66
80
85
74
101
101
101
101
15vo CONGRESO NACIONAL DE INGENIERÍA
ELECTROMECÁNICA Y DE SISTEMAS (CNIES 2015)
ARTÍCULO No. SIS06
ARTÍCULO ACEPTADO POR REFEREO
Para tomar un criterio de que colores se tomarían en cuenta
para que se tuviera un diagnóstico automático se utilizaron los
colores que tienen variación significativa, estos fueron el
mínimo verde (ver Figura 8) y el máximo azul (ver Figura 9),
las variaciones por tipo de lesión en cuanto a los valores
mínimos del color verde se muestran en la tabla 2, mientras
que en la tabla 3 se observan las variaciones de los colores
máximos del color azul.
Tabla 2 Valores mínimos de color verde
(Elaboración propia, 2015).
Graves
Medianas
12
10
16
12
0
10
12
43
27
34
38
49
59
33
22
58
49
73
42
27
43
39
43
55
57
65
59
63
55
64
37
Leves
66
80
85
74
Figura 8 Valores mínimos de color verde sistema SIDAGET
(Elaboración propia, 2015).
Tabla 3 Valores máximos de color verde
(Elaboración propia, 2015).
Graves
191
186
170
183
255
176
212
México D.F., 19 al 23 de octubre 2015
5
Medianas
140
182
167
167
152
197
165
171
131
146
128
160
182
148
157
148
173
143
130
138
139
158
144
251
Leves
137
118
124
120
15vo CONGRESO NACIONAL DE INGENIERÍA
ELECTROMECÁNICA Y DE SISTEMAS (CNIES 2015)
ARTÍCULO No. SIS06
ARTÍCULO ACEPTADO POR REFEREO
Figura 9 Valores máximos de color azul sistema SIDAGET
(Elaboración propia, 2015).
Figura 10 Valores de color rojo sistema SIDAGET
(Elaboración propia, 2015).
La variación en el valor máximo del color rojo (Tabla 4) nos
refleja que la imagen tiene otros factores adicionales,
Figura10.
III. CONCLUSIONES
Un diagnóstico de una lesión grave se ubica entre el rango de
0 a 16 en el valor mínimo verde, mientras que en el máximo
azul esta de 170 a 255; para una mediana se tienen los
valores mínimos en verde de 22 a 73 y los máximos en azul de
128 a 251; por ultimo para las lesiones leves los rangos
mínimos verdes son 66 a 85 y en el caso de los máximos azul
están de 118 a 137.
Tabla 4 Valores de color rojo (Elaboración propia, 2015).
Graves
Medianas
87
99
99
96
96
98
71
México D.F., 19 al 23 de octubre 2015
99
99
99
87
92
96
99
98
97
99
99
99
99
97
97
97
99
98
99
93
96
99
99
99
Leves
99
98
98
99
Se toma entonces el criterio de diagnóstico de acuerdo a los
números de color extraídos (mínimos verde) quedando los
rangos y clasificando el tipo de lesión de acuerdo a lo
siguiente:
-
0 a 21 Æ Lesión grave tratamiento riguroso
22 a 65 Æ Lesión mediana
66 a85 Æ Lesión leve
Por lo tanto, se observa que entre menor sea el valor mínimo
del color verde la lesión es más grave o fuerte, mientras que si
es más alto la lesión es leve o incluso no podría haber lesión.
IV. AGRADECIMIENTOS
Agradezco al Instituto Politécnico Nacional, a la Secretaria de
Investigación y Posgrado del IPN, a la Sección de Estudios de
Posgrado e Investigación de la Escuela Superior de Ingeniería
Mecánica y Eléctrica Unidad Zacatenco y al Consejo Nacional
de Ciencia y Tecnología por el apoyo brindado.
6
15vo CONGRESO NACIONAL DE INGENIERÍA
ELECTROMECÁNICA Y DE SISTEMAS (CNIES 2015)
ARTÍCULO No. SIS06
ARTÍCULO ACEPTADO POR REFEREO
V. REFERENCIAS
Patiño Ortiz Miguel Egreso de la
ESIME-Zacatenco
del
IPN
como Ingeniero en Comunicaciones y
Electrónica
con
especialidad
en
computación, Concluyo la maestría en
ciencias en ingeniería de Sistemas y
el Doctorado en Ciencias en
Ingeniería
Mecánica con mención honorifica, dentro de la Sección de
Estudios de Posgrado e Investigación de la misma institución.
Realizó un posdoctorado en la Universidad Autónoma
Metropolitana en nanotecnología. Actualmente desarrolla
investigación sobre sistemas complejos, es profesor
investigador en el IPN y es miembro del Sistema Nacional de
Investigadores Nivel 1.
1.
Barboza Eduardo 1996. Cáncer de estómago. Revista
médica herediana. Vol. 7 No. 2.
2. Classen Meinhard 2010. Protección contra las
infecciones
que
provocan
cáncer.
Unión
Internacional contra el Cáncer. 38p.
3. International Agency for Research on Cancer. World
Cancer Report 2008. International Agency for
Research on Cancer.
4. Jemal A. et al., 2011. Global cancer statistics. CA
Cancer Journal for Cliricians. No. 61. 69p.
5. Ferlay J. et al., 2010. Estimates of cancer incidence
and mortality in Europe 2008. Eur J Cancer. 46:765.
81p.
6. Marshall B. 1994. Helicobacter pylori. Am J
Gastroenterol. 89. 116p.
7. American Cancer Society 2014. Cáncer de estómago.
Guía detallada. American Cancer Society.
8. Instituto Nacional de Cancerología 2004. El cáncer.
Aspectos básicos sobre su biología, clínica,
prevención, diagnóstico y tratamiento. Ministerio de
la protección social. Instituto Nacional de
Cancerología E.S.E.
9. Vilarroya et al., 2006. Palabra de robot: Inteligencia
artificial y comunicación. Publicaciones de la
Universitat de Valencia. Valencia. 36p.
10. Ascolano et al., 2003. Inteligencia artificial: modelos,
técnicas y áreas de aplicación. Editorial Paraninfo.
4p.
11. Diez et al., 2001. Introducción a la inteligencia
artificial: sistemas expertos, redes neuronales
artificiales y computación evolutiva. Universidad de
Oviedo, Servicio de publicaciones. 1P.
Patiño Ortiz Julian Egresado de la
ENEP Acatlán de la UNAM como
Ingeniero Civil con especialidad en
estructuras, concluyo la Maestría en
Ciencias en Ingeniería de Sistemas, el
doctorado en Ciencias Administrativas y
el Doctorado en Ciencias en Ingeniería Mecánica con
Mención Honorifica en la Sección de Estudios de Posgrado e
Investigación de la ESCA Santo Tomas y la ESIME Zacatenco
del Instituto politécnico Nacional. Realizó estudios de
Posdoctorado en la ESIME Zacatenco con patrocinio del
Instituto de Ciencia y Tecnología del Distrito Federal
(ICyTDF) en Sistemas Complejos, Sismicidad y Protección
Civil. Actualmente desarrolla investigación sobre sistemas
complejos, es profesor investigador en el IPN y es miembro
del Sistema Nacional de Investigadores Nivel 1.
VI. BIOGRAFÍA
Alcaide Juan Luis. Nació en la ciudad de
México D.F. en marzo de 1988. Egresado
del CECYT. No. 1 “Gonzalo Vázquez
Vela”. Realizo sus estudios de
Licenciatura en Ingeniería en Informática
la Unidad Profesional Interdisciplinaria de
Ingeniería de Ciencias Sociales y
Administrativas UPIICSA – IPN de 2007
a 2011.Curso la Maestría en Ciencias en Ingeniería de
Sistemas en la Escuela Superior de Ingeniería Mecánica y
Eléctrica IPN - ESIME – Zacatenco de 2012 a 2013.
Actualmente es estudiante de Doctorado en Ingeniería de
Sistemas en la misma institución.
México D.F., 19 al 23 de octubre 2015
7