Un estudio dirigido por investigadores del
Mass General Cancer Center, miembro del Mass General Brigham, en colaboración con investigadores del Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos, ha desarrollado y probado una herramienta de
inteligencia artificial conocida como 'Sybil' que, basándose en análisis por tomografía computarizada torácica de baja dosis (LDCT) de pacientes de Estados Unidos y Taiwán, predijo con exactitud el riesgo de cáncer de pulmón en individuos con o sin antecedentes significativos de tabaquismo, según publican sus autores en el
'Journal of Clinical Oncology'.
El cáncer de pulmón es la principal causa de muerte por cáncer en todo el mundo. Se ha demostrado que el cribado del cáncer de pulmón con LDCT reduce la mortalidad por cáncer de pulmón hasta en un 24%, pero a medida que aumentan las tasas de cáncer de pulmón entre los no fumadores,
se necesitan nuevas estrategias para detectar y predecir con exactitud el riesgo de cáncer de pulmón en una población más amplia.
'Las tasas de cáncer de pulmón siguen aumentando entre las personas que nunca han fumado o que no han fumado en años, lo que sugiere que hay muchos factores de riesgo que contribuyen al riesgo de cáncer de pulmón, algunos de los cuales son actualmente desconocidos --apunta la autora Lecia Sequist, directora del Centro para la Innovación en la Detección Temprana del Cáncer y oncóloga médica de cáncer de pulmón en el Mass General Cancer Center--. En lugar de evaluar los factores de riesgo ambientales o genéticos individuales, hemos desarrollado una herramienta que puede utilizar imágenes para observar la biología colectiva y hacer predicciones sobre el riesgo de cáncer'.
Tomografía computarizada torácica de baja dosis (LDCT)
Las autoridades sanitarias norteamericanas recomiendan la LDCT anual a las personas mayores de 50 años con un historial de 20 paquetes-año, que fumen actualmente o hayan dejado de fumar en los últimos 15 años. Sin embargo, menos del 10% de los pacientes que cumplen los requisitos se someten a una revisión anual. Para
ayudar a mejorar la eficacia del cribado del cáncer de pulmón y ofrecer evaluaciones individualizadas, Sequist y sus colegas del Centro Oncológico General de Massachusetts se asociaron con investigadores de la Clínica Jameel del MIT. Utilizando datos del National Lung Screening Trial (NLST), el equipo desarrolló 'Sybil', un modelo de aprendizaje profundo que analiza las exploraciones y predice el riesgo de cáncer de pulmón para los próximos uno a seis años.
'
'Sybil' requiere solo una LDCT y no depende de datos clínicos o anotaciones del radiólogo --explica el coautor Florian Fintelmann, del Departamento de Radiología, División de Imágenes Torácicas e Intervención del Hospital General de Massachusetts--. Fue diseñado para ejecutarse en tiempo real en el fondo de una estación de lectura de radiología estándar que permite el apoyo a la decisión clínica en el punto de atención'.
El equipo validó 'Sybil' utilizando tres conjuntos de datos independientes: un conjunto de exploraciones de más de 6.000 participantes en el NLST que 'Sybil' no había visto previamente; 8.821 LDCT del Hospital General de Massachusetts (MGH); y 12.280 LDCT del Hospital Chang Gung Memorial de Taiwán. Este último conjunto de exploraciones incluyó a personas con diversos antecedentes de tabaquismo, incluidos los que nunca habían fumado.
'Sybil' fue capaz de predecir con exactitud el riesgo de cáncer de pulmón en todos estos conjuntos. Los investigadores determinaron la precisión de 'Sybil' utilizando el Área Bajo la Curva (AUC), una medida de la capacidad de una prueba para distinguir entre muestras normales y enfermas, en la que 1,0 es una puntuación perfecta.
'Sybil' predijo el cáncer en el plazo de un año con un AUC de 0,92 para los participantes adicionales del NLST, 0,86 para el conjunto de datos del MGH y 0,94 para el conjunto de datos de Taiwán. El programa predijo el cáncer de pulmón en un plazo de seis años con AUC de 0,75, 0,81 y 0,80, respectivamente, para los tres conjuntos de datos.
''Sybil' puede observar una imagen y predecir el riesgo de que un paciente desarrolle cáncer de pulmón en un plazo de seis años --afirma la coautora y directora de la facultad de la Clínica Jameel, la doctora Regina Barzilay, miembro del Instituto Koch para la Investigación Integral del Cáncer--. Estoy entusiasmada con los esfuerzos traslacionales liderados por el equipo del MGH que pretenden cambiar los resultados de pacientes que, de otro modo, desarrollarían una enfermedad avanzada'.
Los investigadores señalan que se trata de un estudio retrospectivo, y que se necesitan estudios prospectivos que hagan un seguimiento de los pacientes en el futuro para validar 'Sybil'. Además, los participantes estadounidenses en el estudio eran en su inmensa mayoría blancos (92%), por lo que serán necesarios estudios futuros para determinar si 'Sybil' puede predecir con exactitud el cáncer de pulmón entre poblaciones diversas.
Sequist y sus colegas abrirán un ensayo clínico prospectivo para poner a prueba 'Sybil' en el mundo real y comprender cómo complementa el trabajo de los radiólogos. Además, el código también se ha puesto a disposición del público.
'En nuestro estudio,
'Sybil' fue capaz de detectar patrones de riesgo en la LDCT que no eran visibles para el ojo humano --afirma Sequist--. Estamos entusiasmados por seguir probando este programa para ver si puede añadir información que ayude a los radiólogos con el diagnóstico y nos ponga en el camino de personalizar el cribado para los pacientes'.
