La inteligencia artificial es mejor que los humanos para detectar el cáncer de pulmón
Los investigadores han utilizado un algoritmo de aprendizaje profundo para detectar el cáncer de pulmón con precisión a partir de tomografías computarizadas. Los resultados del estudio indican que la inteligencia artificial puede superar la evaluación humana de estos escaneos.
El cáncer de pulmón causa casi 160.000 muertes en Estados Unidos, según las estimaciones más recientes. La afección es la principal causa de muerte relacionada con el cáncer en los EE. UU. Y la detección temprana es crucial tanto para detener la propagación de los tumores como para mejorar los resultados de los pacientes.
Como alternativa a las radiografías de tórax, los profesionales de la salud han estado utilizando recientemente la tomografía computarizada (TC) para detectar el cáncer de pulmón.
De hecho, algunos científicos sostienen que las tomografías computarizadas son superiores a los rayos X para la detección del cáncer de pulmón, y la investigación ha demostrado que la tomografía computarizada de dosis baja (LDCT) en particular ha reducido las muertes por cáncer de pulmón en un 20%.
Sin embargo, una alta tasa de falsos positivos y falsos negativos todavía complica el procedimiento de LDCT. Estos errores suelen retrasar el diagnóstico de cáncer de pulmón hasta que la enfermedad ha alcanzado una etapa avanzada en la que se vuelve demasiado difícil de tratar.
Las nuevas investigaciones pueden proteger contra estos errores. Un grupo de científicos ha utilizado técnicas de inteligencia artificial (IA) para detectar tumores pulmonares en escáneres LDCT.
Daniel Tse, del grupo de investigación de salud de Google en Mountain View, CA, es el autor correspondiente del estudio, cuyos hallazgos aparecen en la revista. Medicina de la naturaleza.
"El modelo superó a los seis radiólogos"
Tse y sus colegas aplicaron una forma de inteligencia artificial llamada aprendizaje profundo a 42,290 escaneos LDCT, a los que accedieron desde el Northwestern Electronic Data Warehouse y otras fuentes de datos pertenecientes a los hospitales de Northwestern Medicine en Chicago, IL.
El algoritmo de aprendizaje profundo permite que las computadoras aprendan con el ejemplo. En este caso, los investigadores entrenaron el sistema utilizando una exploración LDCT primaria junto con una exploración LDCT anterior, si estaba disponible.
Las exploraciones LDCT previas son útiles porque pueden revelar una tasa de crecimiento anormal de los nódulos pulmonares, lo que indica malignidad.
En el estudio actual, la IA proporcionó un "sistema de evaluación de imágenes automatizado" que predijo con precisión la malignidad de los nódulos pulmonares sin ninguna intervención humana.
Los investigadores compararon las evaluaciones de la IA con las de seis radiólogos estadounidenses certificados por la junta que tenían hasta 20 años de experiencia clínica.
Cuando no se disponía de escaneos LDCT previos, el modelo de IA "superó a los seis radiólogos con reducciones absolutas del 11% en falsos positivos y del 5% en falsos negativos", informan Tse y sus colegas. Cuando se disponía de imágenes previas, la IA funcionaba tan bien como los radiólogos.
El coautor del estudio, el Dr. Mozziyar Etemadi, profesor asistente de investigación de anestesiología en la Facultad de Medicina Feinberg de la Universidad Northwestern en Chicago, explica por qué la IA puede superar la evaluación humana.
“Los radiólogos generalmente examinan cientos de imágenes 2D o 'cortes' en una sola tomografía computarizada, pero este nuevo sistema de aprendizaje automático visualiza los pulmones en una gran imagen en 3D única”, dice el Dr. Etemadi.
“La IA en 3D puede ser mucho más sensible en su capacidad para detectar el cáncer de pulmón temprano que el ojo humano mirando imágenes en 2D. Esto es técnicamente '4D' porque no solo está mirando una tomografía computarizada sino dos (la actual y la anterior) a lo largo del tiempo ".
Dr. Mozziyar Etemadi
“Para construir la IA para ver los CT de esta manera, se requiere un enorme sistema informático de la escala de Google”, continúa. "El concepto es novedoso, pero la ingeniería real del mismo también es novedosa debido a la escala".
El Dr. Etemadi continúa ensalzando los beneficios del uso de la tecnología de aprendizaje profundo, enfatizando su precisión. “El sistema puede categorizar una lesión con más especificidad”, dice el investigador.
“No solo podemos diagnosticar mejor a alguien con cáncer, también podemos decir si alguien no tiene cáncer, lo que podría salvarlo de una biopsia pulmonar invasiva, costosa y arriesgada”, concluye el Dr. Etemadi.
Los investigadores advierten, sin embargo, que primero es necesario validar estos resultados en cohortes más grandes.
