¿Es posible detectar cáncer oculto mediante IA? Buscamos respuesta en conideintelligente.com, portal profesional exclusivo de IPDGrupo.com con información para decidir sobre innovación, tecnología y salud.
¿Es posible detectar cáncer oculto mediante IA?
El Hospital Universitario Infanta Leonor lidera un estudio que ha desarrollado un modelo predictivo, con machine learning (ML), para evaluar el riesgo de cáncer oculto entre los 30 días y 24 meses después de sufrir un evento trombótico venoso (TEV).
La enfermedad tromboembólica venosa (ETEV), que incluye la trombosis venosa profunda y la embolia pulmonar, puede ser la primera manifestación de un cáncer no diagnosticado.
La detección temprana de estos cánceres podría aumentar significativamente la supervivencia de los pacientes. El estudio CLOVER se ha publicado recientemente en la revista con cuartil 1, Medicina.
Técnicas de Machine Learning Prediction (MLP)
Este estudio multicéntrico, observacional retrospectivo, incluyó datos registrados entre 2005 y 2021 de 815 pacientes con TEV de dos hospitales madrileños (Hospital Universitario Infanta Leonor y Hospital Universitario de Fuenlabrada).
Se emplearon técnicas de Machine Learning Prediction (MLP), que es un tipo de inteligencia artificial que a través de grandes cantidades de información (Big Data) genera un modelo predictivo con una elevada potencia.
Cáncer oculto en hombres y mujeres
Durante el seguimiento, 56 pacientes (6,9%) fueron diagnosticados de cáncer oculto. Los cánceres detectados más frecuentes fueron de próstata, pulmón y tracto gastrointestinal en hombres, y gastrointestinal, mama y hematológico en mujeres.
En el 39% de los casos, el cáncer se diagnosticó en etapas avanzadas. Un total de 121 variables fueron exploradas para el análisis predictivo. El modelo final integra 15 variables fácilmente obtenibles que incluyen la edad, género, la presión arterial y parámetros analíticos, como el dímero-D y la hemoglobina.
Mayor capacidad diagnóstica
El modelo tiene una mayor capacidad diagnóstica en relación a los modelos predictivos anteriormente desarrollados basados en técnicas de análisis multivariante.
La precisión obtenida por la herramienta es muy alta frente a las escalas pronósticas actuales, que han mostrado un rendimiento limitado en la práctica clínica. En concreto, tiene una especificidad del 94% (probabilidad de que se identifique como no enfermo a aquél que efectivamente no lo está).
La herramienta puede permitir detectar de forma precoz a pacientes con cánceres incipientes, mejorando su supervivencia, y evitando así estudios innecesarios en otros pacientes sin tumores.
Modelo predictivo
En este estudio participan los Servicios de Medicina Interna y de Anatomía Patológica del Hospital Universitario Infanta Leonor, que es el centro coordinador del estudio.
Así como los Servicios de Medicina Interna de los hospitales universitarios de Fuenlabrada y 12 de Octubre, también de la Comunidad de Madrid, entre otros.
En los próximos meses, se va a realizar una validación de la herramienta en diferentes centros, que será esencial para su implementación clínica generalizada, y que mejorará la calidad de vida de estos pacientes.
Este modelo predictivo fue recientemente reconocido en la segunda edición de los Premios Ennova Health, para identificar y reconocer iniciativas digitales en salud que aporten valor, contribuyan a la sostenibilidad del sistema y mejoren la calidad de vida del paciente.
A la vanguardia de la Innovación
El Hospital Universitario Infanta Leonor es un centro que sigue impulsando la Innovación como mecanismo de mejora continua, tal como se recoge en su Plan Estratégico 2021-2025.
Son numerosos los proyectos que emplean tecnologías de vanguardia, como Inteligencia Artificial o robótica. Entre ellos, se encuentran los siguientes:
- Proyecto Atheroscope, herramienta que utiliza la inteligencia artificial para predecir el riesgo cardiovascular.
- Sistema de patología digital para incrementar la calidad de los diagnósticos.
- Gestión automatizada de la formación y docencia a través de una aplicación móvil.
- Aplicación de Inteligencia Artificial en las historias clínicas.
- Implantación de un algoritmo de clasificación y herramienta de ayuda a la toma de decisiones clínicas para la detección precoz del fracaso renal agudo.
- Aplicación de la realidad virtual en el tratamiento de pacientes pediátricos.
Nota: En la fotografía de cabecera, la Dra. Anabel Franco Moreno (internista e investigadora principal del estudio) y el Dr. Juan Torres Macho (jefe de Servicio de Medicina Interna del Hospital Universitario Infanta Leonor).
