NEUMOLOGÍA
Un algoritmo de inteligencia artificial predice el riesgo de cáncer de pulmón
Eurekalert · 07 junio 2021
Un algoritmo de inteligencia artificial (IA) predice con precisión el riesgo de que los nódulos pulmonares detectados mediante cribado con tomografía computarizada se vuelvan cancerosos, según un estudio publicado en Radiology.
La tomografía axial computarizada (TAC) de tórax de baja dosis se utiliza para examinar a personas con alto riesgo de cáncer de pulmón, entre ellos los fumadores.
Se ha demostrado que este procedimiento reduce significativamente la mortalidad por cáncer de pulmón, principalmente porque ayuda a detectar los tumores en una fase temprana, cuando es más fácil tratarlos con éxito.
Aunque el cáncer de pulmón suele aparecer en forma de nódulos pulmonares en las imágenes de TAC, la mayoría son benignos y no requieren más estudios clínicos. Por tanto, distinguir con precisión entre nódulos benignos y malignos es crucial para detectar los cánceres a tiempo.
Para el nuevo estudio, los investigadores desarrollaron un algoritmo para la evaluación de nódulos pulmonares utilizando el aprendizaje profundo, una aplicación de IA capaz de encontrar ciertos patrones en los datos de imágenes.
Entrenaron el algoritmo con imágenes de TAC de más de 16.000 nódulos, incluyendo 1.249 malignos, del National Lung Screening Trial de Estados Unidos. Posteriormente, validaron el algoritmo en tres grandes conjuntos de datos de imágenes de nódulos procedentes del ensayo danés de cribado del cáncer de pulmón.
El algoritmo de aprendizaje profundo ofreció excelentes resultados, superando el modelo establecido de detección temprana del cáncer de pulmón pancanadiense para la estimación del riesgo de malignidad de los nódulos pulmonares. Tuvo un rendimiento comparable al de 11 clínicos, incluidos 4 radiólogos torácicos, 5 residentes de radiología y 2 neumólogos.
"El algoritmo puede ayudar a los radiólogos a estimar con precisión el riesgo de malignidad de los nódulos pulmonares -explica el primer autor del estudio, Kiran Vaidhya Venkadesh, de la Universidad de Radboud (Países Bajos)-. Esto puede ayudar a optimizar las recomendaciones de seguimiento para los participantes en el cribado del cáncer pulmonar".
Según los investigadores, el algoritmo puede aportar varias ventajas adicionales a la clínica. "Como no requiere la interpretación manual de las características de las imágenes de los nódulos, el algoritmo propuesto puede reducir la importante variabilidad entre observadores en la interpretación de la TAC", añade el autor principal, Colin Jacobs.
"Esto puede conducir a un menor número de intervenciones diagnósticas innecesarias, disminuir la carga de trabajo de los radiólogos y reducir los costes del cribado del cáncer de pulmón", asegura.
Los investigadores planean seguir mejorando el algoritmo incorporando parámetros clínicos como la edad, el sexo y el historial de tabaquismo.
También están trabajando en un algoritmo de aprendizaje profundo que toma como entrada múltiples exámenes de TAC. El algoritmo actual es muy adecuado para analizar los nódulos en el cribado inicial, o de referencia, pero para los nódulos detectados en cribados posteriores, el crecimiento y la apariencia en comparación con el TAC anterior son importantes.
Referencia: Radiology. 2021 May 18:204433. doi: 10.1148/radiol.2021204433