Inteligencia artificial predice con precisión ciertas formas de cáncer al menos tres años antes de su diagnóstico

En Estados Unidos y otros países occidentales, una forma de cáncer de esófago y estómago ha aumentado dramáticamente en las últimas cinco décadas.

Las tasas de adenocarcinoma de esófago (EAC) y de adenocarcinoma de cardias gástrico (ACG) son altamente mortales.

Sin embargo, Joel Rubenstein, M.D., M.S., científico investigador del Centro de Asuntos de Veteranos para la Investigación de Gestión Clínica Teniente Coronel Charles S. Kettles y profesor de medicina interna en Michigan Medicine, dice que las medidas preventivas pueden ser una salvación.

“Las pruebas de detección pueden identificar cambios precancerosos en los pacientes, el esófago de Barrett, que a veces se diagnostica en personas que padecen enfermedad por reflujo gastroesofágico a largo plazo o ERGE“, dijo.

“Cuando se produce una detección temprana, los pacientes pueden tomar medidas adicionales para ayudar a prevenir el cáncer“.

Si bien las directrices actuales ya consideran la detección en pacientes de alto riesgo, Rubenstein señala que muchos proveedores aún no están familiarizados con esta recomendación.

“Para empezar, muchas personas que desarrollan estos tipos de cáncer nunca se sometieron a pruebas de detección”, dijo.

“Pero una nueva herramienta automatizada integrada en el historial médico electrónico tiene el potencial de cerrar la brecha entre la concienciación de los proveedores y los pacientes que tienen un mayor riesgo de desarrollar adenocarcinoma de esófago y adenocarcinoma de cardias gástrico“.

Rubenstein y un equipo de investigadores utilizaron un tipo de inteligencia artificial para examinar datos sobre las tasas de EAC y GCA en más de 10 millones de veteranos estadounidenses.

Rubenstein y su equipo desarrollaron y probaron la herramienta de predicción del adenocarcinoma esofágico y cardiaco Kettles, llamada K-ECAN para abreviar.

“K-ECAN utiliza información básica que ya está disponible en la HCE, como datos demográficos del paciente, peso, diagnósticos previos y resultados de laboratorio de rutina, para determinar el riesgo de un individuo de desarrollar adenocarcinoma de esófago y adenocarcinoma de cardias gástrico”, dijo Rubenstein.

“Desarrollamos una herramienta anterior, M-BERET, hace más de una década para identificar pacientes con esófago de Barrett.

Sin embargo, esa herramienta requiere medir las circunferencias de cadera y cintura de los pacientes, lo cual no es algo que ocurra de forma rutinaria.

Además, los proveedores deben recordar utilizar el sitio web correspondiente para calcular el riesgo de sus pacientes al utilizar esta herramienta”.

Para aliviar esta carga, Rubenstein dijo que “imaginaron aprovechar la gran cantidad de datos que ya están presentes en el EHR, así como presentar el riesgo de sus pacientes a sus proveedores en los momentos oportunos“, como cuando a un individuo le corresponde un examen colorrectal o reponer un medicamento recetado para reducir el ácido.

Según Rubenstein, K-ECAN es más preciso que las directrices publicadas o las herramientas de predicción previamente validadas y puede “predecir con precisión el cáncer al menos tres años antes de un diagnóstico”.

“Los síntomas de ERGE, como la acidez de estómago, son un factor de riesgo importante para el adenocarcinoma de esófago”, dijo.

“Pero la mayoría de las personas con síntomas de ERGE nunca desarrollarán adenocarcinoma de esófago ni adenocarcinoma de cardias gástrico.

Además, aproximadamente la mitad de los pacientes con este tipo de cáncer nunca habían experimentado ningún síntoma previo de ERGE.

Esto hace que K-ECAN sea particularmente útil porque puede identificar a las personas que tienen un riesgo elevado, independientemente de si tienen síntomas de ERGE o no”.

La incorporación de esta herramienta de inteligencia artificial en la HCE podría alertar a los proveedores con una notificación automática sobre qué pacientes tienen un mayor riesgo de desarrollar adenocarcinoma de esófago y adenocarcinoma de cardias gástrico.

Y Rubenstein dice que esto puede disminuir significativamente la carga de estos cánceres.

“Nuestro dedicado equipo pudo utilizar sofisticadas herramientas de aprendizaje automático para desarrollar esta herramienta única, y estamos muy entusiasmados de que esto pueda conducir potencialmente a una mayor detección y una disminución de las muertes evitables.

Fuente: Michigan Medicine