Un equipo de investigadores de la Universidade Estadual Paulista (UNESP) en Brasil ha desarrollado un modelo híbrido que combina computación clásica y cuántica para asistir en el diagnóstico temprano del cáncer de mama. El modelo utiliza una arquitectura de red neuronal híbrida llamada quanvolutional neural network (QNN) que analiza imágenes mamográficas y ecográficas. En 2022, se registraron 2,3 millones de casos de cáncer de mama y 670.000 muertes. El diagnóstico precoz es fundamental para aumentar las posibilidades de tratamiento efectivo y supervivencia. El modelo propuesto logró resultados comparables a redes neuronales clásicas más grandes, con una precisión del 87,2% en la prueba y del 86,1% en la validación. El equipo utilizó un circuito cuántico de solo cuatro qubits y herramientas como PennyLane para simular el comportamiento ideal de un circuito cuántico. La investigación se centró en el diagnóstico del cáncer de mama, pero la arquitectura desarrollada puede adaptarse a otros escenarios clínicos.