Cáncer de mama y ejercicio físico: Estudio piloto

El cáncer de mama (CM) es el más común entre las mujeres occidentales, con un alto porcentaje de supervivencia, la cual no está exenta de numerosos efectos secundarios tanto por los tratamientos como por la enfermedad, afectando a la calidad de vida de estas mujeres. El objetivo de este proyecto es conocer el efecto de un programa de ejercicio físico conducido en la calidad de vida de mujeres afectadas por cáncer de mama. Método. El programa de ejercicio físico consistió en 24 sesiones (doce semanas) y se desarrolló íntegramente en la Facultad de Ciencias de la Actividad Física y del Deporte-INEF (UPM), donde se estudió a 31 mujeres afectadas. Resultados. Se muestra una mejora en la calidad de vida (p= 0,034), así como en diferentes aspectos de autoestima y depresión (p = 0,029 y p = 0,003 para el primero y p = 0,018 y p = 0,015 para el segundo). También se observó una mejora en el índice de fuerza general (p = 0,009) y en la capacidad funcional (p = 0,005). Conclusiones. Estos resultados permiten asociar un programa de ejercicio físico regular con posibles mejoras en la calidad de vida de las mujeres afectadas por cáncer de mama.

Influencia de un programa de ejercicio aeróbico en la calidad de vida de pacientes afectadas por cáncer de mama = Influence of an aerobic exercise program on breast cancer patients’ quality of life

INTRODUCCIÓN Actualmente las supervivientes de cáncer de mama viven durante más tiempo. Sin embargo, los tratamientos utilizados presentan importantes efectos secundarios que afectan y marcan su calidad de vida. Numerosos estudios han mostrado que el ejercicio es una herramienta apta, segura y efectiva reduciendo algunos de estos efectos secundarios y, en suma, mejorando la calidad de vida de estas pacientes, aspecto que presenta al ejercicio físico como una intervención integral para ellas. Por el contrario, se ha observado que las supervivientes de cáncer de mama reducen la cantidad de ejercicio que realizan después de dichos tratamientos. Por ello, el objetivo de este proyecto es examinar los efectos de un programa integral de ejercicio en la calidad de vida y la cantidad de ejercicio físico que realizan las pacientes con cáncer de mama en su tiempo, tras finalizar sus tratamientos. MATERIAL Y MÉTODOS Se diseñó un Ensayo Clínico Aleatorizado. Noventa pacientes diagnosticadas de cáncer de mama en estadios tempranos que habían terminado sus tratamientos de radioterapia y quimioterapia recientemente, fueron reclutadas por la Universidad Politécnica de Madrid, desde enero de 2013 hasta junio de 2014. Las pacientes fueron aleatorizadas tras las mediciones iniciales al grupo control (tratamientos habituales) o grupo intervención, durante tres meses. La intervención consistió en 24 clases de ejercicio combinando práctica aeróbica y de fuerza con el fin de reducir los efectos secundarios de dichos tratamientos. La calidad de vida, la cantidad de ejercicio físico realizado en tiempo de ocio, VO2max, la fuerza, la movilidad articular del hombro, la fatiga, la depresión y la ansiedad fueron medidos al inicio y después de los tres meses en todos los pacientes. RESULTADOS Un total de 89 pacientes con una media de 49.06±8.75 de edad fueron finalmente analizadas. El grupo intervención (n=44) mostraron significativamente mejores resultados en calidad de vida (p=0.0001; d=0.85), cantidad de ejercicio en tiempo de ocio (p=0.0001; d=2.77), en variables de la composición corporal, en variables físicas y en variables psicológicas comparado con el grupo control (n=45). Además, se observó una correlación significativa entre la calidad de vida y el ejercicio realizado en tiempo de ocio en el grupo intervención (r= 0.58; p=0.001), que no fue patente en el grupo control. Se observaron cambios significativos en el grupo de intervención relativos a la composición corporal, con aumento de la masa muscular (p=0.001) y reducción de la masa grasa (p=0.0001). Tanto las variables físicas como psicológicas también mostraron diferencias significativas a favor al grupo de intervención en las comparaciones entre grupos. CONCLUSIONES Según estos resultados, un programa de ejercicio físico específico es una intervención integral que mejora los hábitos y la calidad de vida de las supervivientes de cáncer de mama, lo que reduce determinados efectos secundarios de los tratamientos y aumenta la salud física y psicológica general de estas mujeres. Este tipo de intervenciones pude ser una herramienta barata y efectiva para ofrecer a los pacientes, integrada en los tratamientos habituales. ABSTRACT INTRODUCTION It is well known that breast cancer survivors are living longer. However, breast cancer treatments present serious side effects, which could affect breast cancer survivors’ (BCS) health and quality of life (QoL). Exercise has been presented as a feasible, safe and effective tool in reducing some of these side effects and to improve survivors’ QoL, acting as an integrative treatment for them, although it has been observed that BCS reduce their leisure time exercise (LTE) levels. Therefore, the aim of this study was to examine the effects of an integrative exercise program in QoL and LTE in BCS after the completion of their adjuvant treatment. MATERIAL AND METHODS A randomized controlled trial (RCT) was designed. Ninety patients diagnosed with an early stage of breast cancer and who recently finished chemotherapy and radiotherapy treatments were recruited by the Technical University of Madrid from January 2013 to June 2014. Patients were randomized after baseline assessments to the intervention group (IG) or to the control group (CG) (usual care) for three months. The Intervention consisted in 24 supervised exercise classes, combining aerobic and resistance exercises in order to reduce the most common side effects of the treatments. QoL, LTE, body composition, VO2max, strength, shoulder range of motion, fatigue, depression and self-esteem were measured in all the patients at baseline and after three months. RESULTS A total of 89 patients aged 49.06±8.75 years were finally assessed. IG (n=44) showed significant better results in QoL (p=0.0001; d=0.85), LTE (p=0.0001; d=2.77), in body composition, in the physical variable and in psychological outcomes, compared with the CG (n=45). In addition, a correlation between QoL and LTE (r= 0.58; p=0.001) was found in the IG, while CG did not show this correlation. Significant changes in body composition were observed in the group comparisons, especially in lean mass (p=0.001) and body fat mass (p= 0.0001). Positive changes were also observed in the physical and psychological variables in comparisons between groups. CONCLUSIONS These results suggest that this exercise program may be an integrative intervention, which is able to improve QoL and LTE levels in breast cancer survivors, reducing breast cancer side effects of treatments and improving their physical and psychological general health. Exercise may be an effective and inexpensive strategy to be included in patients integrative care.

Programa de actividades acuáticas para mujeres que han sido operadas de cáncer de mama

Objetivo: Crear un programa de actividades acuáticas para mujeres que han sido operadas de cáncer de mama y así mejorar su calidad de vida. Método: Se desarrollará una programación de actividades acuáticas, donde se incluirán sesiones de aquagym, aquarobic, sesiones terapéuticas, aquarunning y sesiones lúdicas. Este programa se llevará a cabo durante 4 meses con dos sesiones a la semana. Con esta variedad de actividades conseguiremos trabajar todos aquellos aspectos físicos, psicológicos y fisiológicos necesarios para aumentar la calidad de vida de nuestras pacientes.

Aplicación de técnicas de inteligencia artificial para contribuir en la detección de microcalcificaciones en mamografía digitalizada

A nivel mundial, el cáncer de mama es el tipo de cáncer más frecuente además de una de las principales causas de muerte entre la población femenina. Actualmente, el método más eficaz para detectar lesiones mamarias en una etapa temprana es la mamografía. Ésta contribuye decisivamente al diagnóstico precoz de esta enfermedad que, si se detecta a tiempo, tiene una probabilidad de curación muy alta. Uno de los principales y más frecuentes hallazgos en una mamografía, son las microcalcificaciones, las cuales son consideradas como un indicador importante de cáncer de mama. En el momento de analizar las mamografías, factores como la capacidad de visualización, la fatiga o la experiencia profesional del especialista radiólogo hacen que el riesgo de omitir ciertas lesiones presentes se vea incrementado. Para disminuir dicho riesgo es importante contar con diferentes alternativas como por ejemplo, una segunda opinión por otro especialista o un doble análisis por el mismo. En la primera opción se eleva el coste y en ambas se prolonga el tiempo del diagnóstico. Esto supone una gran motivación para el desarrollo de sistemas de apoyo o asistencia en la toma de decisiones. En este trabajo de tesis se propone, se desarrolla y se justifica un sistema capaz de detectar microcalcificaciones en regiones de interés extraídas de mamografías digitalizadas, para contribuir a la detección temprana del cáncer demama. Dicho sistema estará basado en técnicas de procesamiento de imagen digital, de reconocimiento de patrones y de inteligencia artificial. Para su desarrollo, se tienen en cuenta las siguientes consideraciones: 1. Con el objetivo de entrenar y probar el sistema propuesto, se creará una base de datos de imágenes, las cuales pertenecen a regiones de interés extraídas de mamografías digitalizadas. 2. Se propone la aplicación de la transformada Top-Hat, una técnica de procesamiento digital de imagen basada en operaciones de morfología matemática. La finalidad de aplicar esta técnica es la de mejorar el contraste entre las microcalcificaciones y el tejido presente en la imagen. 3. Se propone un algoritmo novel llamado sub-segmentación, el cual está basado en técnicas de reconocimiento de patrones aplicando un algoritmo de agrupamiento no supervisado, el PFCM (Possibilistic Fuzzy c-Means). El objetivo es encontrar las regiones correspondientes a las microcalcificaciones y diferenciarlas del tejido sano. Además, con la finalidad de mostrar las ventajas y desventajas del algoritmo propuesto, éste es comparado con dos algoritmos del mismo tipo: el k-means y el FCM (Fuzzy c-Means). Por otro lado, es importante destacar que en este trabajo por primera vez la sub-segmentación es utilizada para detectar regiones pertenecientes a microcalcificaciones en imágenes de mamografía. 4. Finalmente, se propone el uso de un clasificador basado en una red neuronal artificial, específicamente un MLP (Multi-layer Perceptron). El propósito del clasificador es discriminar de manera binaria los patrones creados a partir de la intensidad de niveles de gris de la imagen original. Dicha clasificación distingue entre microcalcificación y tejido sano. ABSTRACT Breast cancer is one of the leading causes of women mortality in the world and its early detection continues being a key piece to improve the prognosis and survival. Currently, the most reliable and practical method for early detection of breast cancer is mammography.The presence of microcalcifications has been considered as a very important indicator ofmalignant types of breast cancer and its detection and classification are important to prevent and treat the disease. However, the detection and classification of microcalcifications continue being a hard work due to that, in mammograms there is a poor contrast between microcalcifications and the tissue around them. Factors such as visualization, tiredness or insufficient experience of the specialist increase the risk of omit some present lesions. To reduce this risk, is important to have alternatives such as a second opinion or a double analysis for the same specialist. In the first option, the cost increases and diagnosis time also increases for both of them. This is the reason why there is a great motivation for development of help systems or assistance in the decision making process. This work presents, develops and justifies a system for the detection of microcalcifications in regions of interest extracted fromdigitizedmammographies to contribute to the early detection of breast cancer. This systemis based on image processing techniques, pattern recognition and artificial intelligence. For system development the following features are considered: With the aim of training and testing the system, an images database is created, belonging to a region of interest extracted from digitized mammograms. The application of the top-hat transformis proposed. This image processing technique is based on mathematical morphology operations. The aim of this technique is to improve the contrast betweenmicrocalcifications and tissue present in the image. A novel algorithm called sub-segmentation is proposed. The sub-segmentation is based on pattern recognition techniques applying a non-supervised clustering algorithm known as Possibilistic Fuzzy c-Means (PFCM). The aim is to find regions corresponding to the microcalcifications and distinguish them from the healthy tissue. Furthermore,with the aim of showing themain advantages and disadvantages this is compared with two algorithms of same type: the k-means and the fuzzy c-means (FCM). On the other hand, it is important to highlight in this work for the first time the sub-segmentation is used for microcalcifications detection. Finally, a classifier based on an artificial neural network such as Multi-layer Perceptron is used. The purpose of this classifier is to discriminate froma binary perspective the patterns built from gray level intensity of the original image. This classification distinguishes between microcalcifications and healthy tissue.

Sistemas de ayuda al diagnóstico y reconocimiento de microcalcificaciones en mamografía mediante descriptores de escala y redes jerárquicas

La presente Tesis investiga el campo del reconocimiento automático de imágenes mediante ordenador aplicado al análisis de imágenes médicas en mamografía digital. Hay un interés por desarrollar sistemas de aprendizaje que asistan a los radiólogos en el reconocimiento de las microcalcificaciones para apoyarles en los programas de cribado y prevención del cáncer de mama. Para ello el análisis de las microcalcificaciones se ha revelado como técnica clave de diagnóstico precoz, pero sin embargo el diseño de sistemas automáticos para reconocerlas es complejo por la variabilidad y condiciones de las imágenes mamográficas. En este trabajo se analizan los planteamientos teóricos de diseño de sistemas de reconocimiento de imágenes, con énfasis en los problemas específicos de detección y clasificación de microcalcificaciones. Se ha realizado un estudio que incluye desde las técnicas de operadores morfológicos, redes neuronales, máquinas de vectores soporte, hasta las más recientes de aprendizaje profundo mediante redes neuronales convolucionales, contemplando la importancia de los conceptos de escala y jerarquía a la hora del diseño y sus implicaciones en la búsqueda de la arquitectura de conexiones y capas de la red. Con estos fundamentos teóricos y elementos de diseño procedentes de otros trabajos en este área realizados por el autor, se implementan tres sistemas de reconocimiento de mamografías que reflejan una evolución tecnológica, culminando en un sistema basado en Redes Neuronales Convolucionales (CNN) cuya arquitectura se diseña gracias al análisis teórico anterior y a los resultados prácticos de análisis de escalas llevados a cabo en nuestra base de datos de imágenes. Los tres sistemas se entrenan y validan con la base de datos de mamografías DDSM, con un total de 100 muestras de entrenamiento y 100 de prueba escogidas para evitar sesgos y reflejar fielmente un programa de cribado. La validez de las CNN para el problema que nos ocupa queda demostrada y se propone un camino de investigación para el diseño de su arquitectura. ABSTRACT This Dissertation investigates the field of computer image recognition applied to medical imaging in mammography. There is an interest in developing learning systems to assist radiologists in recognition of microcalcifications to help them in screening programs for prevention of breast cancer. Analysis of microcalcifications has emerged as a key technique for early diagnosis of breast cancer, but the design of automatic systems to recognize them is complicated by the variability and conditions of mammographic images. In this Thesis the theoretical approaches to design image recognition systems are discussed, with emphasis on the specific problems of detection and classification of microcalcifications. Our study includes techniques ranging from morphological operators, neural networks and support vector machines, to the most recent deep convolutional neural networks. We deal with learning theory by analyzing the importance of the concepts of scale and hierarchy at the design stage and its implications in the search for the architecture of connections and network layers. With these theoretical facts and design elements coming from other works in this area done by the author, three mammogram recognition systems which reflect technological developments are implemented, culminating in a system based on Convolutional Neural Networks (CNN), whose architecture is designed thanks to the previously mentioned theoretical study and practical results of analysis conducted on scales in our image database. All three systems are trained and validated against the DDSM mammographic database, with a total of 100 training samples and 100 test samples chosen to avoid bias and stand for a real screening program. The validity of the CNN approach to the problem is demonstrated and a research way to help in designing the architecture of these networks is proposed.