Un tipo de inteligencia artificial, denominada red neuronal puede mejorar la identificación de fumadores con alto riesgo de cáncer de pulmón utilizando radiografías de tórax.
El cáncer de pulmón (microcítico y no microcítico) es el segundo cáncer que con mayor frecuencia afecta a ambos géneros. Para el año 2020, los cálculos de la Sociedad Americana Contra El Cáncer estiman que en los Estados Unidos:
- Se diagnosticarán alrededor de 228,820 nuevos casos de cáncer de pulmón (116,300 hombres y 112,520 mujeres).
- Alrededor de 135,720 personas morirán a causa de cáncer de pulmón (72,500 hombres y 63,220 mujeres).
Red Neuronal
La mejora en identificación de los pacientes con alto riesgo de desarrollar cáncer de pulmón, permitirá hacer un seguimiento más estricto mediante pruebas de detección, lo cual puede salvar muchas vidas. Como bien sabemos, si el cáncer se detecta a tiempo, hay mayores probabilidades de supervivencia. Lo que busca este sistema es identificar a los fumadores que están en riesgo de padecer este tipo de cáncer con mayor precisión, de manera que se hagan pruebas periódicamente y así detectarlo en fases tempranas en caso de desarrollarse.
Este sistema utiliza información que normalmente está disponible en la práctica clínica diaria: rayos X de tórax, edad, sexo y si la persona es un fumador actual, explicó el Dr. Michael T. Lu, jefe del equipo que desarrolló la red neuronal.
Este enfoque es diferente al que se utiliza actualmente en la práctica clínica para evaluar el riesgo. Convencionalmente se utiliza una fórmula que se basa en la cantidad de cigarrillos diarios multiplicado por el número de años que se ha estado fumando. Sin embargo, esta forma de evaluar el riesgo tiene sus limitaciones, y puede ser muy imprecisa.
«Las limitaciones de este enfoque basado en el tabaquismo son que las personas pueden no recordar su historial de tabaquismo con precisión y que existe una variabilidad en la forma en que los pulmones de las personas responden al tabaquismo»
Dr. Michael T. Lu del Hospital General y Escuela de Medicina de Harvard, en Boston.
Esta red neuronal desarrollada por el Dr. Lu y su equipo se llama CXR-LC, fue programada utilizando datos obtenidos de dos grandes estudios: PLCO Cancer Screening Trial en el cual participaron 5,615 fumadores y del National Lung Screening Trial (NLST) donde se incluyeron 5,493 fumadores.
También compararon la eficacia de esta red neuronal, con otros sistemas de estratificar el riesgo. La comparación se hizo con el puntaje de los Centros de Servicios de Medicare y Medicaid (CMS) y también con la puntuación del Modelo de Predicción de Riesgo de Cáncer de Pulmón Modificado PLCO (PLCO-M2012).
La red neuronal CXR-LC fue significativamente más eficiente que el puntaje de CMS para discriminar entre las personas que desarrollaron cáncer de pulmón posteriormente. A su vez, tuvo un desempeño similar al puntaje de PLCO-M2012 según informaron los investigadores en Annals of Internal Medicine.
La utilización de los puntajes combinados, tanto CXR-LC como PLCO-M2012 produjo una mejora modesta en la identificación de estos pacientes. Si bien CXR-LC se desarrolló para predecir la incidencia de cáncer de pulmón, también predijo la mortalidad por cáncer de pulmón a 12 años con mayor precisión que CMS y con una precisión similar a la de PLCO-M2012.
En los análisis de subgrupos, CXR-LC tuvo un mayor beneficio que los otros dos modelos en hombres, mientras que en mujeres CXR-LC tuvo beneficios netos más bajos que PLCO-M2012 pero similar a los de CMS.
«Mi esperanza es que estas tecnologías nos ayuden a identificar mejor a las personas con alto riesgo de cáncer, pero también a ahorrar tiempo y atención a los médicos que pueden redirigir hacia sus pacientes», dijo el Dr. Lu. «Esto es necesario porque actualmente <5% de los fumadores de alto riesgo se someten a una tomografía computarizada de detección de cáncer de pulmón. Incluir a más de estas personas de alto riesgo en la línea de detección evitaría las muertes por cáncer de pulmón».
En este sentido, los sistemas de inteligencia artificial se están aplicando cada vez más hacia la medicina. Por ejemplo una de estas redes, ayudo al descubrimiento de un potente antibiótico, la halicina.
Fuente:
Lu MT, Raghu VK, Mayrhofer T, Aerts HJWL, Hoffmann U. Deep Learning Using Chest Radiographs to Identify High-Risk Smokers for Lung Cancer Screening Computed Tomography: Development and Validation of a Prediction Model. Ann Intern Med. 2020 Nov 3;173(9):704-713. doi: 10.7326/M20-1868. Epub 2020 Sep 1. PMID: 32866413.
