El cáncer de pulmón se cobra 1,7 millones de vidas en el mundo al año. En la Argentina, es la tercera causa de muerte por cáncer, siendo la primera en hombres y la tercera en mujeres. La falta de acceso a pruebas adecuadas y las altas tasas de error que suponen un porcentaje importante de los diagnósticos hacen que los casos se detecten, generalmente, en estadíos avanzados.
Ahora, un grupo de ingenieros de Google, que trabajaron en conjunto con científicos de la Universidad de Northwestern, en los Estados Unidos, demostraron que la Inteligencia Artificial (IA) podría ayudar a reducir las tasas de mortalidad gracias a sistemas de aprendizaje profundo. Los resultados de su prometedora investigación fueron publicados este lunes en la revista Nature Medicine.
El "sistema de aprendizaje profundo" es una técnica que le permite a una máquina entrenarse a sí misma en una misma tarea. En este caso, los científicos desarrollaron un sistema que permite la evaluación y el diagnóstico automático, a partir de una tomografía axial computarizada (TAC).
"Los radiólogos suelen examinar cientos de imágenes bidimensionales o 'parceladas' en un sólo TAC, pero este nuevo sistema es capaz de ver los pulmones en una imagen tridimensional mucho más amplia", reveló el doctor Mozziyar Etemadi, profesor en las facultades de Medicina y de Ingeniería en la Universidad de Northwestern, quien además es coautor del estudio.
El experto también contó que "la IA en 3D puede ser mucho más sensible a la hora de detectar el cáncer de pulmón temprano que el ojo humano. De hecho, técnicamente estaríamos hablando de cuatro dimensiones, ya que se trata dos TAC (uno actual y uno anterior), tomados en diferentes momentos".
Este sistema fue entrenado usando TACs de tórax de pacientes anónimos, cuyos resultados fueron verificados después mediante biopsias. Los casos de estudio se extrajeron de la base de datos de la propia universidad norteamericana.
Los resultados del nuevo sistema fueron comparados con los obtenidos por seis radiólogos humanos tras examinar las mismas tomografías. En la mayoría de las métricas el modelo informático fue más preciso que los médicos.
A su vez, el sistema detectó menos falsos positivos, lo que podría traducirse en una reducción de procedimientos innecesarios en escenarios clínicos reales. "El sistema puede categorizar una lesión de manera más específica que una persona", asegura Etemadi, y agrega: "No sólo podemos diagnosticar mejor un cáncer sino también descartar que exista, lo que podría evitar una biopsia pulmonar invasiva, cara y con riesgos para el paciente".
Según contaron los responsables de esta creación, el sistema fue más preciso en el diagnóstico de pacientes que ya disponían de tomografías previas, ya que eso le permitía extraer información sobre la naturaleza del tumor en base a sus tasas de crecimiento.
El modelo informático tuvo mejores resultados que los radiólogos en casos en los que no se disponía de imágenes por TAC previas y consiguió resultados similares cuando existían imágenes anteriores.
Los autores de este estudio reconocen que todavía es necesario realizar pruebas clínicas con grandes cantidades de pacientes, antes de su implantación. Pero se muestran esperanzados en que este modelo va a contribuir a mejorar el diagnóstico y tratamiento de esta enfermedad.
