BreastDCEDL: Un conjunto de datos estandarizado y preparado para aprendizaje profundo de DCE‑RM de mama de 2.070 pacientes

Por qué esto importa para la atención del cáncer de mama

Cuando a alguien se le diagnostica cáncer de mama, los médicos deben decidir con rapidez qué tratamientos tienen más probabilidad de funcionar. Las potentes exploraciones por resonancia magnética pueden mostrar cómo se comporta un tumor, pero convertir esas imágenes en herramientas informáticas fiables que guíen el tratamiento ha sido difícil. Este artículo presenta BreastDCEDL, una colección amplia y cuidadosamente preparada de resonancias mamarias diseñada específicamente para ayudar a los investigadores a construir y evaluar sistemas de inteligencia artificial (IA) que predigan cómo responderán los tumores a la terapia.

Ver cómo cambian los tumores con el tiempo

Los médicos suelen usar un tipo especial de RM llamado resonancia magnética con realce por contraste dinámico (DCE‑MRI) para observar los tumores de mama. En esta exploración se toman imágenes antes y después de inyectar un medio de contraste, capturando cómo fluye la sangre a través del tumor durante varios minutos. El tejido canceroso tiende a tener vasos sanguíneos permeables y desorganizados, por lo que se realza y se atenúa de forma diferente al tejido normal. Estas imágenes en secuencia temporal pueden revelar cuán agresivo es un tumor y pueden ayudar a predecir si desaparecerá por completo tras medicamentos potentes como la quimioterapia.

Convertir exploraciones dispersas en un recurso claro

Hasta ahora, el avance de la IA para RM mamaria se ha visto ralentizado por datos dispersos: diferentes hospitales almacenan imágenes en distintos formatos, usan distintos escáneres y registran los detalles clínicos de formas variadas. El proyecto BreastDCEDL abordó este problema reuniendo exploraciones DCE‑MRI previas al tratamiento de 2.070 pacientes procedentes de tres grandes grupos de investigación conocidos como I‑SPY1, I‑SPY2 y Duke. El equipo convirtió más de 8,5 millones de cortes de imagen individuales en algo más de once mil volúmenes 3D usando un formato estándar ampliamente empleado en la investigación de imagen médica. También clasificaron con cuidado las imágenes en el tiempo (antes del contraste, poco después y más tarde) y en el espacio, de modo que las exploraciones de cada paciente queden alineadas correctamente.

Marcar los tumores y casar los datos clínicos

Para que la IA aprenda, debe saber dónde está el tumor y qué ocurrió con el paciente. En BreastDCEDL, cada paciente cuenta con marcaciones tumorales y con la información clínica clave. Para los grupos I‑SPY, complejos códigos informáticos que describían los contornos tumorales se descodificaron en máscaras 3D sencillas que marcan las zonas tumorales voxel por voxel. Para el grupo Duke, radiólogos expertos dibujaron cajas delimitadoras alrededor del tumor más grande en cada caso. Junto a las imágenes, el conjunto de datos incluye la edad del paciente, datos demográficos básicos, tamaño del tumor, estado de receptores hormonales (HR), estado HER2 y si el tumor desapareció completamente tras el tratamiento —un resultado denominado respuesta patológica completa, o pCR. Este resultado, disponible para 1.452 pacientes, se relaciona estrechamente con la supervivencia a largo plazo y es un objetivo principal para los modelos predictivos.

Construir pruebas justas para herramientas de IA

Para facilitar la comparación de nuevos métodos de IA, los autores proporcionan grupos fijos de entrenamiento, validación y prueba, con tasas de pCR similares entre ellos. Esto permite que distintos equipos de investigación evalúen sus modelos con los mismos conjuntos de pacientes, haciendo que las afirmaciones sobre el rendimiento sean más fiables. El conjunto de datos también preserva la variedad natural observada en hospitales reales: las exploraciones proceden de muchos centros, diferentes máquinas de RM y formas ligeramente distintas de definir la positividad de HR y HER2. En lugar de eliminar estas diferencias, BreastDCEDL las registra claramente, de modo que los investigadores puedan decidir cómo tratarlas y comprobar si sus modelos siguen funcionando en poblaciones de pacientes y condiciones de escaneo variadas.

Lo que esto abre para la investigación futura

BreastDCEDL es más que un conjunto de imágenes; es un kit de herramientas bien organizado para muchos tipos de estudio. Los investigadores pueden entrenar sistemas de IA para localizar tumores, medir volumen tumoral, predecir pCR antes de iniciar el tratamiento y explorar cómo los patrones de imagen se relacionan con la biología tumoral. Los pacientes sin datos de resultado siguen siendo útiles al aportar ejemplos adicionales para aprendizaje no supervisado y semi‑supervisado. Dado que todos los archivos siguen un sistema de nombres simple y un formato común, los científicos pueden cargarlos y analizarlos rápidamente con software estándar, ahorrando días de preparación manual y reduciendo la posibilidad de errores.

Un camino más claro hacia el tratamiento personalizado

En términos sencillos, este trabajo transforma una colección desordenada de resonancias mamarias procedentes de múltiples hospitales en una base compartida, limpia y estandarizada para la investigación en IA. Al estandarizar cómo se almacenan las imágenes y la información clínica, y al marcar de forma consistente tumores y resultados, BreastDCEDL proporciona a los investigadores lo necesario para construir y evaluar de forma justa herramientas informáticas que podrían, algún día, ayudar a los médicos a elegir el tratamiento adecuado para cada paciente. Aunque por sí solo no cura el cáncer, elimina un obstáculo importante en el camino hacia una atención del cáncer de mama más precisa y basada en datos.

Cita: Fridman, N., Solway, B., Fridman, T. et al. BreastDCEDL: A standardized deep learning-ready breast DCE-MRI dataset of 2,070 patients. Sci Data 13, 264 (2026). https://doi.org/10.1038/s41597-026-06589-6

Palabras clave: resonancia mamaria, imagenología del cáncer, IA médica, respuesta al tratamiento, conjuntos de datos médicos