Inteligencia artificial capaz de detectar los primeros signos del cáncer de páncreas

Un nuevo estudio indica el potencial de la inteligencia artificial para predecir quién desarrollará la enfermedad basándose en imágenes de tomografía computarizada.

Una herramienta de inteligencia artificial (IA) desarrollada por investigadores de Cedars-Sinai predijo con precisión quién desarrollaría cáncer de páncreas en función de cómo se veían sus imágenes de tomografía computarizada años antes de que se les diagnosticara la enfermedad.

Los hallazgos pueden ayudar a prevenir la muerte mediante la detección temprana de uno de los cánceres más difíciles de tratar.

“Esta herramienta de IA pudo capturar y cuantificar signos tempranos muy sutiles de adenocarcinoma ductal pancreático en tomografías computarizadas años antes de que ocurriera la enfermedad.

Estos son signos que el ojo humano nunca podría discernir”, dijo Debiao Li, PhD, director del Instituto de Investigación de Imágenes Biomédicas, profesor de Ciencias Biomédicas e Imágenes en Cedars-Sinai, y autor principal y correspondiente del estudio.

El adenocarcinoma ductal pancreático no solo es el tipo más común de cáncer de páncreas, sino que también es el más mortal.

Menos del 10% de las personas diagnosticadas con la enfermedad viven más de cinco años después de haber sido diagnosticadas o haber iniciado el tratamiento.

Pero estudios recientes han informado que la detección temprana del cáncer puede aumentar las tasas de supervivencia hasta en un 50 %.

Sin embargo, actualmente no existe una manera fácil de detectar el cáncer de páncreas en forma temprana.

Las personas con este tipo de cáncer pueden experimentar síntomas como dolor abdominal general o pérdida de peso inexplicable, pero estos síntomas a menudo se ignoran o se pasan por alto como signos del cáncer, ya que son comunes en muchas condiciones de salud.

“No hay síntomas únicos que puedan proporcionar un diagnóstico temprano para el adenocarcinoma ductal pancreático“, dijo Stephen J. Pandol, MD,
director de investigación básica y traslacional del páncreas y director del programa de becas de gastroenterología en Cedars-Sinai, y otro autor del estudio.

“Esta herramienta de inteligencia artificial puede usarse eventualmente para detectar enfermedades tempranas en personas que se someten a tomografías computarizadas por dolor abdominal u otros problemas”.

Los investigadores revisaron los registros médicos electrónicos para identificar a las personas a las que se les había diagnosticado cáncer en los últimos 15 años y que se habían sometido a tomografías computarizadas de seis meses a tres años antes de su diagnóstico.

Estas imágenes de TC se consideraron normales en el momento en que se tomaron.

El equipo identificó a 36 pacientes que cumplían con estos criterios, a la mayoría de los cuales se les realizaron tomografías computarizadas en la sala de emergencias debido al dolor abdominal.

La herramienta de IA fue entrenada para analizar estas imágenes de TC previas al diagnóstico de personas con cáncer de páncreas y compararlas con imágenes de TC de 36 personas que no desarrollaron el cáncer.

Los investigadores informaron que el modelo tenía una precisión del 86 % en la identificación de las personas que eventualmente tendrían cáncer de páncreas y las que no desarrollarían el cáncer.

El modelo de IA detectó variaciones en la superficie del páncreas entre personas con cáncer y controles sanos.

Estas diferencias de textura podrían ser el resultado de cambios moleculares que ocurren durante el desarrollo del cáncer de páncreas.

“Nuestra esperanza es que esta herramienta pueda detectar el cáncer lo suficientemente temprano como para que sea posible que a más personas se les extirpe el tumor por completo mediante cirugía”, dijo Touseef Ahmad Qureshi, PhD, científico de Cedars-Sinai y primer autor del estudio.

Actualmente, los investigadores están recopilando datos de miles de pacientes en sitios de atención médica en los EE. UU. para continuar estudiando la capacidad de predicción de la herramienta de IA.

Fuente: IOS Press