• José Luis Llaguno Roque cursa el Doctorado en Biología Integrativa en el Instituto de Investigaciones Biológicas 
• Su artículo “Neuroevolution of Convolutional Neural Networks for Breast Cancer Diagnosis Using Western Blot Strips” fue aceptado en Mathematical and Computational Applications 

El aprendizaje profundo y las pruebas de Western Blot permiten obtener un método de detección rápido y eficiente

Carlos Hugo Hermida Rosales 

Fotos: Cortesía José Luis Llaguno 

07/06/2023, Xalapa, Ver.- José Luis Llaguno Roque, estudiante del Doctorado en Biología Integrativa de la Universidad Veracruzana (UV), publicó en la revista internacional de acceso abierto Mathematical and Computational Applications, un artículo científico en el que describe el uso de técnicas de aprendizaje profundo para la detección de cáncer de mama, con ayuda de la prueba de Western Blot. 

El trabajo lleva por nombre “Neuroevolution of Convolutional Neural Networks for Breast Cancer Diagnosis Using Western Blot Strips”, y en él también colaboraron los investigadores  

Rocío Erandi Barrientos Martínez, Héctor Gabriel Acosta Mesa, Tania Romo González y Efrén Mezura Montes. 

José Luis Llaguno mencionó que el cáncer es de las enfermedades con mayor tasa de mortalidad a nivel mundial, y en México el de mama es la primera causa de muerte en mujeres. 

Puntualizó que los métodos utilizados para detectarlo –como la mastografía, ultrasonidos o biopsias– lo diagnostican cuando ya está presente y en etapas avanzadas. 

El doctorante publicó el artículo en la revista Mathematical and Computational Applications

El doctorante explicó que el cáncer de mama es una enfermedad heterogénea donde se expresan una variedad de proteínas aberrantes –antígenos–, que crean una respuesta inmunitaria mediante la producción de anticuerpos. 

En su trabajo de investigación plantea métodos capaces de identificarlos, lo que permite detectar la enfermedad hasta cuatro años antes que las pruebas tradicionales, previo a la aparición de tumores en el cuerpo. 

José Luis Llaguno explicó que el aprendizaje profundo usa redes neuronales artificiales a fin de que los sistemas digitales tomen decisiones basadas en datos no estructurados, y al combinarlas con el uso de la prueba de Western Blot –técnica utilizada para descubrir una proteína específica en una muestra de sangre o tejido– permiten obtener un método de detección rápido y eficiente. 

“Un descubrimiento temprano del cáncer de mama mejorará el pronóstico de salud del paciente, porque se le podrá brindar un tratamiento adecuado y ello reducirá la tasa de mortalidad”, manifestó. 

José Luis Llaguno Roque, alumno del Doctorado en Biología Integrativa