Inteligencia artificial predice cáncer de páncreas hasta tres años antes de su diagnóstico

Comparta este Artículo en:

Una herramienta de inteligencia artificial ha identificado con éxito a personas con mayor riesgo de cáncer de páncreas hasta tres años antes del diagnóstico utilizando únicamente los registros médicos de los pacientes, según una nueva investigación dirigida por investigadores de la Facultad de Medicina de Harvard y la Universidad de Copenhague, en colaboración con VA. Boston Healthcare System, Dana-Farber Cancer Institute y Harvard T.H. Escuela Chan de Salud Pública.

Los hallazgos sugieren que la evaluación de la población basada en IA podría ser valiosa para encontrar a las personas con un riesgo elevado de contraer la enfermedad y podría acelerar el diagnóstico de una afección que se encuentra con demasiada frecuencia en etapas avanzadas cuando el tratamiento es menos efectivo y los resultados son pésimos, dijeron los investigadores.

El cáncer de páncreas es uno de los cánceres más mortales del mundo y se prevé que su número aumente.

En la actualidad, no existen herramientas basadas en la población para detectar de forma amplia el cáncer de páncreas.

Aquellos con antecedentes familiares y ciertas mutaciones genéticas que los predisponen al cáncer de páncreas son evaluados de manera específica.

Pero tales evaluaciones dirigidas pueden pasar por alto otros casos que quedan fuera de esas categorías, dijeron los investigadores.

“Una de las decisiones más importantes a las que se enfrentan los médicos día a día es quién tiene un alto riesgo de padecer una enfermedad y quién se beneficiaría de más pruebas, lo que también puede significar procedimientos más invasivos y más costosos que conllevan sus propios riesgos”, dijo el coautor del estudio, investigador senior Chris Sander, miembro de la facultad en el Departamento de Biología de Sistemas en el Instituto Blavatnik en HMS.

“Una herramienta de inteligencia artificial que pueda concentrarse en las personas con mayor riesgo de cáncer de páncreas que se beneficiarán más de más pruebas podría contribuir en gran medida a mejorar la toma de decisiones clínicas”.

Aplicado a escala, agregó Sander, este enfoque podría acelerar la detección del cáncer de páncreas, conducir a un tratamiento más temprano y mejorar los resultados y prolongar la vida de los pacientes.

“Muchos tipos de cáncer, especialmente aquellos difíciles de identificar y tratar temprano, ejercen un efecto desproporcionado sobre los pacientes, las familias y el sistema de atención médica en general“, dijo el coautor del estudio Søren Brunak, profesor de biología de sistemas de enfermedades y director de investigación en el Centro de Investigación de Proteínas de la Fundación Novo Nordisk de la Universidad de Copenhague.

“La detección basada en IA es una oportunidad para alterar la trayectoria del cáncer de páncreas, una enfermedad agresiva que es notoriamente difícil de diagnosticar temprano y tratar de inmediato cuando las posibilidades de éxito son más altas”, dijo Brunak.

En el nuevo estudio, el algoritmo de IA se entrenó en dos conjuntos de datos separados que suman un total de 9 millones de registros de pacientes de Dinamarca y Estados Unidos.

Los investigadores “pidieron” al modelo de IA que buscara señales reveladoras basadas en los datos contenidos en los registros.

Basándose en combinaciones de códigos de enfermedad y el momento de su aparición, el modelo pudo predecir qué pacientes tenían probabilidades de desarrollar cáncer de páncreas en el futuro.

En particular, muchos de los síntomas y códigos de enfermedad no estaban directamente relacionados con el páncreas ni se derivaban de él.

Los investigadores probaron diferentes versiones de los modelos de IA por su capacidad para detectar personas con un riesgo elevado de desarrollar enfermedades en diferentes escalas de tiempo: 6 meses, un año, dos años y tres años.

En general, cada versión del algoritmo de IA fue sustancialmente más precisa para predecir quién desarrollaría cáncer de páncreas que las estimaciones actuales de la incidencia de la enfermedad en toda la población, definida como la frecuencia con la que se desarrolla una afección en una población durante un período de tiempo específico.

Los investigadores dijeron que creen que el modelo es al menos tan preciso en la predicción de la aparición de enfermedades como lo son las pruebas de secuenciación genética actuales que generalmente están disponibles solo para un pequeño subconjunto de pacientes en conjuntos de datos.

La detección de ciertos tipos de cáncer comunes, como los de mama, cuello uterino y próstata, se basa en técnicas relativamente simples y altamente efectivas: una mamografía, una prueba de Papanicolaou y un análisis de sangre, respectivamente.

Estos métodos de detección han transformado los resultados de estas enfermedades al garantizar la detección e intervención tempranas durante las etapas más tratables.

En comparación, el cáncer de páncreas es más difícil y costoso de detectar y evaluar.

Los médicos observan principalmente los antecedentes familiares y la presencia de mutaciones genéticas que, si bien son indicadores importantes de riesgo futuro, a menudo pasan por alto a muchos pacientes.

Una ventaja particular de la herramienta de IA es que podría usarse en todos y cada uno de los pacientes para los que se dispone de registros de salud e historial médico, no solo en aquellos con antecedentes familiares conocidos o predisposición genética a la enfermedad.

Esto es especialmente importante, agregan los investigadores, porque es posible que muchos pacientes con alto riesgo ni siquiera sean conscientes de su predisposición genética o antecedentes familiares.

En ausencia de síntomas y sin una indicación clara de que alguien tiene un alto riesgo de cáncer de páncreas, es comprensible que los médicos sean cautelosos al recomendar pruebas más sofisticadas y costosas, como tomografías computarizadas, resonancias magnéticas o ultrasonido endoscópico.

Cuando se utilizan estas pruebas y se descubren lesiones sospechosas, el paciente debe someterse a un procedimiento para obtener una biopsia.

Situado en lo profundo del abdomen, el órgano es de difícil acceso y fácil de provocar e inflamar. Su irritabilidad le ha valido el apodo de “el órgano enojado”.

Una herramienta de inteligencia artificial que identifique a las personas con mayor riesgo de cáncer de páncreas garantizaría que los médicos evalúen a la población adecuada, al tiempo que ahorraría a otros pruebas innecesarias y procedimientos adicionales, dijeron los investigadores.

Alrededor del 44 por ciento de las personas diagnosticadas en las primeras etapas del cáncer de páncreas sobreviven cinco años después del diagnóstico, pero solo el 12 por ciento de los casos se diagnostican tan temprano.

La tasa de supervivencia cae del 2 al 9 por ciento en aquellos cuyos tumores han crecido más allá de su sitio de origen, estiman los investigadores.

“Esa baja tasa de supervivencia se da a pesar de los marcados avances en las técnicas quirúrgicas, la quimioterapia y la inmunoterapia”, dijo Sander.

“Entonces, además de los tratamientos sofisticados, existe una clara necesidad de una mejor detección, pruebas más específicas y un diagnóstico más temprano, y aquí es donde el enfoque basado en la IA entra como el primer paso crítico en este continuo”.

Para el estudio actual, los investigadores diseñaron varias versiones del modelo de IA y los entrenaron en los registros de salud de 6,2 millones de pacientes del sistema nacional de salud de Dinamarca durante 41 años.

De esos pacientes, 23,985 desarrollaron cáncer de páncreas con el tiempo.

Durante el entrenamiento, el algoritmo discernió patrones indicativos de riesgo futuro de cáncer de páncreas en función de las trayectorias de la enfermedad, es decir, si el paciente tenía ciertas condiciones que ocurrieron en una determinada secuencia a lo largo del tiempo.

Por ejemplo, diagnósticos como cálculos biliares, anemia, diabetes tipo 2 y otros problemas relacionados con el sistema gastrointestinal presagiaban un mayor riesgo de cáncer de páncreas dentro de los 3 años posteriores a la evaluación.

Menos sorprendente, la inflamación del páncreas fue un fuerte predictor de un futuro cáncer de páncreas en un lapso de tiempo aún más corto de dos años.

Los investigadores advierten que ninguno de estos diagnósticos por sí mismos debe considerarse indicativo o causante de un futuro cáncer de páncreas.

Sin embargo, el patrón y la secuencia en la que ocurren a lo largo del tiempo ofrecen pistas para un modelo de vigilancia basado en IA y podrían incitar a los médicos a monitorear más de cerca a las personas con un riesgo elevado o realizar pruebas en consecuencia.

A continuación, los investigadores probaron el algoritmo de mejor rendimiento en un conjunto completamente nuevo de registros de pacientes que no había encontrado anteriormente: un conjunto de datos de la Administración de Salud de Veteranos de EE. UU. de casi 3 millones de registros que abarcan 21 años y que contienen 3864 personas diagnosticadas con cáncer de páncreas.

La precisión predictiva de la herramienta fue algo menor en el conjunto de datos de EE. UU.

Lo más probable es que esto se deba a que el conjunto de datos de EE. UU. se recopiló durante un tiempo más corto y contenía perfiles de población de pacientes algo diferentes: toda la población de Dinamarca en el conjunto de datos danés frente al personal militar actual y anterior en el conjunto de datos de Asuntos de Veteranos.

Cuando el algoritmo se volvió a entrenar desde cero en el conjunto de datos de EE. UU., su precisión predictiva mejoró.

Esto, dijeron los investigadores, subraya dos puntos importantes: primero, garantizar que los modelos de IA estén entrenados en datos ricos y de alta calidad.

En segundo lugar, la necesidad de acceder a grandes conjuntos de datos representativos de registros clínicos agregados a nivel nacional e internacional.

En ausencia de tales modelos válidos a nivel mundial, los modelos de IA deben entrenarse con datos de salud locales para garantizar que su entrenamiento refleje las idiosincrasias de las poblaciones locales.

Fuente: Harvard Medical School