El cáncer de páncreas, el cual se estima que se convertirá en la segunda causa principal de muerte en los Estados Unidos para 2030, y cuya incidencia es parecida en muchos otros países, tiene un pronóstico sombrío: casi el 70 por ciento de los pacientes afrontan la muerte dentro de un año después del diagnóstico.
Por desgracia, el 40 por ciento de los casos de cáncer de páncreas pequeño eluden la detección mediante tomografías computerizadas (TC) hasta que han avanzado a una etapa en la que son incurables.
Esto genera una barrera crítica en la última etapa para las medidas de detección temprana, ya que, en la mayoría de los pacientes, incluidas las personas de alto riesgo que se someten a exámenes de detección, las imágenes detectan el cáncer en una etapa en la que es poco probable lograr una cura.
Esto hace que las imágenes sean la última barrera en la búsqueda de la detección temprana del cáncer.
En un avance reciente, unos investigadores del Centro Oncológico Integral de la Clínica Mayo en Estados Unidos utilizaron el conjunto de datos de imágenes más extenso del mundo para desarrollar un modelo de inteligencia artificial versátil que ha demostrado un buen potencial para la detección autónoma del cáncer de páncreas en tomografías computerizadas estándar cuando la intervención quirúrgica aún puede prometer una cura.
“Aquí es donde el estudio surge como un rayo de esperanza”, dice el Dr. Ajit H. Goenka, radiólogo de la Clínica Mayo y miembro del equipo de investigación y desarrollo.
“Aborda el desafío de la última etapa: detectar el cáncer en una etapa en la que esté incluso lejos del alcance de los expertos”.
El grupo desarrolló un modelo de inteligencia artificial de alta precisión, entrenado con el conjunto de datos de tomografía computerizada más grande (más de 3000 pacientes) y más diverso, para la detección completamente automatizada del cáncer, incluidos los tumores pequeños y difíciles de detectar.
En el estudio se ha empleado como base el trabajo reciente del grupo sobre los modelos de detección temprana basados en la radiómica.
Lo más importante es que el modelo podría detectar el cáncer imperceptible a la vista en páncreas de apariencia normal a partir de imágenes de tomografía computerizada previas al diagnóstico (es decir, aquellas obtenidas entre 3 y 36 meses antes del diagnóstico clínico) en una etapa considerablemente temprana (una mediana de 438 días) antes del diagnóstico clínico.
“Estos hallazgos sugieren que la inteligencia artificial tiene el potencial de detectar casos de cáncer oculto en personas asintomáticas, lo que permite el tratamiento quirúrgico en una etapa en la que aún es posible lograr una cura”, subraya el Dr. Goenka.
Por último, el modelo siguió siendo confiable y preciso en diversos grupos de pacientes y variaciones en los equipos de escaneo y las técnicas de imagen.
Esta resiliencia es crucial para la utilidad del modelo en una amplia gama de escenarios médicos del mundo real.
Abordando una preocupación importante en el panorama de la atención médica de inteligencia artificial, el equipo también deconstruyó el proceso de toma de decisiones del sistema de inteligencia artificial para garantizar la transparencia, ya que se reconoce que la confianza y el control de calidad son esenciales para una aceptación clínica más amplia de la inteligencia artificial.
“Debemos el progreso a los esfuerzos del equipo Framework for AI Software Technology, o FAST, dirigido por el Dr. Panagiotis Korfiatis, complementado por nuestro equipo de investigadores ‘fellow’ y analistas de ciencia de datos excepcionalmente brillantes”, reconoce el Dr. Goenka.
“Dedicaron meses a una preparación meticulosa para nuestra presentación inicial y realizaron un esfuerzo significativo con el fin de afrontar con astucia las preguntas incisivas del panel de revisores internacionales”.
La Clínica Mayo ya inició las medidas para obtener la validación clínica y los modelos se están sometiendo a procesos reglamentarios.
Con el respaldo del Centro Oncológico Integral de la Clínica Mayo, el equipo está preparado para llevar a cabo ensayos de detección prospectivos financiados por benefactores.
Los conocimientos de estos ensayos perfeccionarán y reforzarán la eficacia práctica de su enfoque innovador.
Fuente: Gastroenterology