El cáncer de pulmón es uno de los más mortíferos. Según datos del informe ‘Las cifras del cáncer en España 2019’ elaborado por la Sociedad Española de Oncología Médica (SEOM) en 2018 se diagnosticaron 2.093.876 nuevos casos en todo el mundo, siendo el más frecuente.
Uno de los principales problemas que tienen que hacer frente los médicos a la hora de un diagnóstico es que el porcentaje de falsos positivos suele ser muy elevado. En esto se están centrando un grupo de investigadores de la Universidad de Pittsburgh y el Centro de Cáncer Hillman UPMC.
El estudio ha encontrado la manera de reducir sustancialmente los falsos positivos sin perder un solo caso de cáncer. Esta es la primera vez que se aplica inteligencia artificial a la cuestión de separar los nódulos benignos de los cancerosos en la detección del cáncer de pulmón.
Esta es la primera vez que se aplica inteligencia artificial para mejorar la detección del cáncer de pulmón
“Pudimos descartar el cáncer en aproximadamente un tercio de los pacientes, por lo que no necesitarían biopsias, no necesitarían tomografías PET o una tomografía computarizada de intervalo corto. Solo necesitan regresar en un año ", ha dicho el autor principal David Wilson, profesor asociado de medicina, cirugía cardiotorácica y ciencia clínica y traslacional en Pitt y codirector del Centro de cáncer de pulmón en UPMC Hillman.
Una tomografía computarizada de baja dosis es la prueba de diagnóstico estándar para el cáncer de pulmón para las personas con alto riesgo. Aproximadamente una cuarta parte de estas exploraciones muestran sombras que indican nódulos en el pulmón (un resultado positivo), pero según datos del UPMC, menos del 4 % de esos pacientes en realidad tienen cáncer.
En este momento, es imposible saber solo por la exploración quiénes es ese 4 %, ha explicado Wilson. Por supuesto, los médicos no quieren perderse ningún caso real de cáncer, pero también están tratando de reducir la tasa de falsos positivos, ha anotado.
"Una prueba positiva genera ansiedad, aumenta los costos de atención médica y las pruebas de seguimiento no están libres de riesgos", ha dicho el coautor del estudio, Panayiotis (Takis) Benos, profesor y vicepresidente de biología computacional y de sistemas y director asociado del Programa de Biología de Sistemas Integrativos en Pitt. “Para el 96 % de las personas que tienen nódulos benignos, estos procedimientos son innecesarios. Entonces, tratamos de minar los datos para decir cuáles son benignos y cuáles son malignos”.
“Para el 96 % de las personas que tienen nódulos benignos, estos procedimientos son innecesarios”
Los investigadores han recopilado datos de tomografía computarizada de baja dosis de 218 pacientes de alto riesgo que luego se confirmó que tenían cáncer de pulmón o nódulos benignos. Luego introdujeron los datos en un algoritmo de aprendizaje automático, una forma de inteligencia artificial, para crear un modelo que calcula la probabilidad de cáncer. Si la probabilidad cae por debajo de un cierto umbral, el modelo descarta el cáncer.
Al comparar la evaluación del modelo con los diagnósticos reales de estos pacientes, los investigadores encontraron que hubieran podido evitar que el 30 por ciento de las personas con nódulos benignos se sometieran a pruebas adicionales, sin perder un solo caso de cáncer.
Los tres factores que fueron más importantes para el modelo, ha explicado Benos, son la cantidad de vasos sanguíneos que rodean el nódulo, la cantidad de nódulos y la cantidad de años desde que el paciente dejó de fumar.
“Aunque se sabe desde hace algún tiempo que los tumores reclutan más apoyo vascular, esta es la primera vez que podemos usar la tecnología informática para cuantificar su contribución e incorporarlos a un modelo predictivo que decide, con certeza, que algunos los pacientes no tienen cáncer ", ha dicho Wilson. "El siguiente paso es evaluar esta técnica en una población más grande, y en realidad ya ha comenzado, utilizando aproximadamente 6.000 exploraciones del National Lung Screening Trial".