- Esta herramienta podría generar un importante cambio ante patología suele ser identificada en estados avanzados por la ausencia de signos en etapas tempranas
El cáncer de páncreas es una de las patologías oncológicas con menor tasa de supervivencia tras el diagnóstico, ya que los síntomas, al comienzo de la enfermedad, son difíciles de identificar.
Es por este motivo que se ganó el nombre de “asesino silencioso”. Ahora, un algoritmo de inteligencia artificial logró identificar a las personas con mayor riesgo de desarrollarlo, incluso, hasta tres años antes del diagnóstico.
La Organización Panamericana de la Salud (OPS) afirma que, del total de cánceres detectados en el continente americano, un 7% en hombres y 7,2% en mujeres se corresponden con el cáncer de páncreas.
Siendo que el riesgo promedio de padecer esta enfermedad oncológica es aproximadamente de 1 en 64, según explica la Sociedad Americana Contra el Cáncer.
Para poder detectar a este grupo de personas, los investigadores de la Facultad de Medicina de Harvard y la Universidad de Copenhague, en colaboración con el VA Boston Healthcare System, el Instituto Oncológico Dana-Farber y la Escuela de Salud Pública T.H. Chan de Harvard, utilizaron de las historias clínica de los pacientes y una herramienta de inteligencia artificial. Los resultados fueron publicados en la revista Nature Medicine, en mayo de este año.
Según explicaron los expertos, el tamizaje poblacional se realizó mediante inteligencia artificial, la cual podría ser útil para detectar a las personas con mayor riesgo de padecer el cáncer de páncreas. Asimismo, los investigadores indicaron que tendría el beneficio de acelerar el diagnóstico de la dolencia, la cual es detectada, en la mayoría de los casos, en fases avanzadas.
Al identificarse en este estudio, el tratamiento es menos eficaz y los resultados suelen ser desalentadores, más aún cuando las terapéuticas más recientes que se aplican para las enfermedades oncológicas, como es la inmunoterapia (donde el cuerpo ataca al tumor), no pueden utilizarse.
Chris Sander, coinvestigador principal del estudio y miembro de la facultad del Departamento de Biología de Sistemas del Instituto Blavatnik del HMS, explicó: “Una de las decisiones más importantes a las que se enfrentan los médicos es: quién tiene un riesgo elevado de padecer una enfermedad y quién se beneficiaría de más pruebas. Lo que también puede implicar procedimientos más invasivos y costosos que conllevan sus propios riesgos”.
En palabras de Sander, este enfoque permitiría una detección precoz, además de un inicio de tratamiento más temprano, mejoras en los resultados y prolongar la vida de los pacientes, ya que la incidencia y la mortalidad del cáncer de páncreas están aumentando en todo el mundo, especialmente entre las mujeres y las personas mayores de 50 años.
Por su parte, Søren Brunak, coinvestigador del estudio, profesor de Biología de Sistemas de Enfermedades y director de investigación del Centro de Investigación de Proteínas de la Fundación Novo Nordisk de la Universidad de Copenhague, destacó: “Muchos tipos de cáncer, sobre todo los difíciles de identificar y tratar precozmente, tienen un coste desproporcionado para los pacientes, las familias y el sistema sanitario en su conjunto”.
Para probar este algoritmo, los expertos lo entrenaron con dos conjuntos de datos distintos que sumaban un total de 9 millones de registros de pacientes de Dinamarca y Estados Unidos. El siguiente paso fue solicitarle al modelo de IA que buscara signos reveladores basándose en estos datos.
A partir de combinaciones de códigos de enfermedad y del momento en que aparecen, lograron predecir qué pacientes tienen más probabilidades de desarrollar cáncer de páncreas en el futuro. Vale aclarar que muchos de los síntomas y códigos de enfermedad no estaban directamente relacionados con el páncreas ni procedían de él.
Para determinar su capacidad de detectar a personas con un riesgo elevado de desarrollar la enfermedad en distintos plazos: 6 meses, un año, dos años y tres años, los investigadores probaron distintas versiones de los modelos de IA.
