Un programa de IA predice con precisión el riesgo de cáncer de pulmón

Con el desarrollo de este programa los radiólogos podrían estimar con precisión el riesgo de malignidad de los nódulos pulmonares encontrados en la prueba (TC).

Un programa de IA predice con precisión el riesgo de cáncer de pulmón
Foto: Istock

De acuerdo a la American Cancer Society, se estima que alrededor del 13 por ciento de todos los cánceres que se diagnostican son cánceres de pulmón. Así, para este año, calculan que solo en Estados Unidos se diagnosticarán cerca de 235.760 nuevos casos, mientras que más de 130.000 personas morirán a causa de esta enfermedad.

En nuestro país, según la Asociación Española Contra el Cáncer, cada año fallecen unas 18.000 personas, de los cuales 16.000 son hombres y 2.000 son mujeres. Además, es considerada como la primera causa de muerte por cáncer en el sexo masculino, y la sexta en el femenino. A su vez, se estima que la edad media al fallecimiento es de 68 años de edad entre los hombres y 66 años entre las mujeres.

Según la Organización Mundial de la Salud (OMS), el cáncer de pulmón es la principal causa de muerte en todo el mundo, con una cifra estimada en 1.8 millones de muertes el pasado año 2020.

Recientemente, hemos conocido que un programa de inteligencia artificial (IA) es capaz de predecir con precisión el riesgo de que los nódulos detectados en los pulmones en la TC de detección se vuelvan cancerosos. El estudio ha sido publicado en la revista especializada ‘Radiology’.

La tomografía computarizada de tórax de baja dosis de radiación se utiliza para detectar a personas con alto riesgo de cáncer de pulmón, como podría ser el caso de los fumadores regulares. Se ha demostrado que ayuda a reducir de forma significativa la mortalidad por este cáncer, ya que ayuda en la detección de cánceres en una etapa temprana, precisamente cuando el tratamiento médico puede tener un mayor porcentaje de éxito.

Aunque el cáncer de pulmón suele aparecer como nódulos pulmonares en las imágenes de tomografía computarizada, la mayoría de los nódulos que se encuentran son benignos, por lo que no requieren más estudios clínicos. De ahí que la existencia de este nuevo programa podría ser de muchísima utilidad a la hora de distinguir con muchísima precisión entre nódulos benignos y malignos, especialmente a la hora de detectar el cáncer en forma temprana.

Para este nuevo estudio, los científicos desarrollaron un algoritmo para la evaluación de nódulos pulmonares utilizando el aprendizaje profundo. Este tipo de aprendizaje consiste en una aplicación de inteligencia artificial (IA) capaz de encontrar ciertos patrones en los datos de imágenes.

Así, los investigadores entrenaron el algoritmo con el uso de imágenes de TC de más de 16.000 nódulos, que incluyeron 1.249 neoplasias malignas.

El algoritmo arrojó excelentes resultados, llegando incluso a superar el modelo Pancanadiense de Detección Temprana del Cáncer de Pulmón establecido para la estimación del riesgo de malignidad de nódulos pulmonares.

Se trata de un avance sin precedentes, dado que el algoritmo puede ser de muchísima ayuda para que los radiólogos puedan estimar con precisión el riesgo de malignidad de aquellos nódulos pulmonares que se han podido encontrar en la prueba. Así, “esto puede ayudar a optimizar las recomendaciones de seguimiento para los participantes en las pruebas de detección del cáncer de pulmón”.

Las ventajas y beneficios que ofrecería este programa

Los expertos indican que, además, este algoritmo podría proporcionar potencialmente beneficios adicionales a la clínica. Dado que no requiere de interpretación manual acerca de las diferentes características de las imágenes de los nódulos, puede reducir la variabilidad sustancial entre observadores a la hora de interpretar los resultados de la TC.

“Esto puede conducir a menos intervenciones de diagnóstico innecesarias, reducir la carga de trabajo de los radiólogos y reducir los costos de detección del cáncer de pulmón”.

Es más, los científicos planean continuar mejorando el algoritmo, incorporando para ello distintos parámetros clínicos igual de importantes, como podría ser el caso del sexo, la edad y el historial de tabaquismo.

A su vez, están trabajando en el desarrollo de un algoritmo de aprendizaje profundo que toma múltiples exámenes de TC, ideal para la comparación de pruebas anteriores y posteriores, útil para nódulos detectados más tarde.

Referencia: “Deep Learning for Malignancy Risk Estimation of Pulmonary Nodules Detected at Low-Dose Screening CT” by Kiran Vaidhya Venkadesh, Arnaud A. A. Setio, Anton Schreuder, Ernst T. Scholten, Kaman Chung, Mathilde M. W. Wille, Zaigham Saghir, Bram van Ginneken, Mathias Prokop and Colin Jacobs, 18 May 2021, Radiology. DOI: 10.1148/radiol.2021204433

Vídeo de la semana

Continúa leyendo