Aunque el panorama terapéutico ha evolucionado en los últimos años el cáncer de pulmón es uno de los principales problemas sociosanitarios actuales ya que es uno de los tipos de tumor con mayor incidencia y supone una de las principales causas de mortalidad en todo el mundo.
En España es el tercer tipo de tumor más común y en 2016 se cobró la vida de 22.187 personas (el 19,6% de las muertes por cáncer). Además tiene un elevado impacto en la calidad de vida de las personas afectadas, tanto el paciente como los profesionales sanitarios, cuidadores, familiares y amigos. Y es que, no cabe duda de que el cáncer de pulmón se ha convertido en un desafío para la salud global que requiere nuevas modalidades de atención.
El modelo se comparó con las pruebas hechas por seis radiólogos tanto cuando estos disponían de imágenes por TAC previas como cuando no, y en los dos casos la máquina superó a los radiólogos expertos
Ahora, científicos de Google y de la Universidad estadounidense de Northwestern han desarrollado un sistema de inteligencia artificial capaz de detectar cáncer de pulmón mejor que los radiólogos, lo que podría favorecer el diagnóstico temprano de un tumor que al año mata a más de un millón de personas en el mundo.
Este nuevo sistema demuestra la precisión del nuevo sistema de aprendizaje profundo para predecir este tipo de cáncer. No obstante, sus autores han advertido de que estos hallazgos deben validarse clínicamente aún en grandes poblaciones de pacientes.
El deep learning o aprendizaje profundo es una rama de la inteligencia artificial por la que la máquina aprende a partir de ejemplos y elabora por sí sola patrones cada vez más complejos, simulando el funcionamiento del cerebro.
DETECTA NÓDULOS PULMONARES MALIGNOS, A VECES MINÚSCULOS
Basándose en esto, los científicos estadounidenses desarrollaron un algoritmo capaz de detectar nódulos pulmonares malignos, a veces minúsculos, a partir de resultados de un TAC -tomografía axial computarizada- del tórax, con un empeño y precisión igual o mejor que el de los radiólogos.
El modelo se comparó con las pruebas hechas por seis radiólogos tanto cuando estos disponían de imágenes por TAC previas como cuando no, y en los dos casos la máquina superó a los radiólogos expertos. Además, el sistema de aprendizaje profundo también produjo menos falsos positivos y menos falsos negativos de tumores, afirman los científicos en una nota de prensa de la universidad estadounidense.