Desarrollan un programa de IA que predice el riesgo de cáncer de pulmón

Un programa de inteligencia artificial (IA) predice con precisión el riesgo de que los nódulos pulmonares detectados en la tomografía computarizada de cribado se vuelvan cancerosos, según un estudio publicado en la revista 'Radiology'. La tomografía computarizada de tórax de baja dosis se utiliza para examinar a las personas con alto riesgo de cáncer de pulmón, como los fumadores de larga data. Se ha demostrado que reduce significativamente la mortalidad por cáncer de pulmón, principalmente porque ayuda a detectar los cánceres en una fase temprana, cuando es más fácil tratarlos con éxito.

Distinguir con precisión entre nódulos benignos y malignos

Aunque el cáncer de pulmón suele aparecer en forma de nódulos pulmonares en las imágenes de TC, la mayoría de los nódulos 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. 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 cuatro radiólogos torácicos, cinco residentes de radiología y dos neumólogos. 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 TC', añade el autor principal Colin Jacobs, profesor asistente en el Departamento de Imágenes Médicas en el Centro Médico de la Universidad de Radboud. '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.