Gracias a la inteligencia artificial, el cáncer de mama se podrá predecir con años de anticipación.

Para detectar el cáncer, antes debemos predecir quién lo contraerá en un futuro. La naturaleza compleja de la predicción del riesgo se ha visto reforzada por las herramientas de inteligencia artificial (IA), pero la adopción de la IA en la medicina se ha visto limitada por el  bajo rendimiento en nuevas poblaciones de pacientes  y la negligencia hacia  las minorías raciales.

Hace dos años, un equipo de científicos del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) y la Clínica Jameel demostraron un  sistema de aprendizaje profundo para predecir el riesgo de cáncer utilizando solo la mamografía de una paciente. El modelo mostró una promesa significativa e incluso una mejoría: fue igualmente preciso tanto para mujeres de etnia blanca como para negra, lo cual es especialmente importante dado que las mujeres  de etnia negra tienen un 43% más de probabilidades de morir por cáncer de mama.

The Evaluation Of Breast Cancer Using Infrared Thermography – MedsBla

El técnico en mamografía, a la izquierda, coloca la máquina para tomar una fotografía del seno de la mujer.

Pero para integrar los modelos de riesgo basados ​​en imágenes en la atención clínica y hacerlos ampliamente disponibles, los investigadores dicen que los modelos necesitaban tanto mejoras algorítmicas como validación a gran escala en varios hospitales para demostrar su solidez.

Con ese fin, adaptaron su nuevo algoritmo «Mirai» para capturar requisitos únicos del modelado de riesgos. Mirai modela conjuntamente el riesgo de un paciente en múltiples puntos de tiempo futuros y, opcionalmente, puede beneficiarse de factores de riesgo clínico como la edad o los antecedentes familiares, si están disponibles. El algoritmo también está diseñado para producir predicciones que sean consistentes en variaciones menores en entornos clínicos, como la elección de la máquina de mamografía.

Detección de Cáncer de mama; MIT.

El equipo “programó” a Mirai con el mismo conjunto de datos de más de 200,000 exámenes del Hospital General de Massachusetts (MGH) de su trabajo anterior, y lo validó en conjuntos de prueba del MGH, el Instituto Karolinska en Suecia y el Hospital Chang Gung Memorial en Taiwán. Mirai ahora está instalado en MGH y los colaboradores del equipo están trabajando activamente para integrar el modelo en la atención.

Mirai fue significativamente más preciso que los métodos anteriores para predecir el riesgo de cáncer e identificar grupos de alto riesgo en los tres conjuntos de datos. Al comparar cohortes de alto riesgo en el conjunto de pruebas MGH, el equipo descubrió que su modelo identificó casi dos veces más diagnósticos de cáncer futuros en comparación con el estándar clínico actual, el modelo Tyrer-Cuzick.

«Los modelos de riesgo de cáncer de mama mejorados permiten estrategias de detección específicas que logran una detección más temprana y menos daño que las pautas existentes», dice Adam Yala, estudiante de doctorado de CSAIL y autor principal de un artículo sobre Mirai. “Nuestro objetivo es hacer que estos avances formen parte del estándar de atención. Nos estamos asociando con médicos de Novant Health en Carolina del Norte, Emory en Georgia, Maccabi en Israel, TecSalud en México, Apollo en India y Barretos en Brasil para validar aún más el modelo en diversas poblaciones y estudiar la mejor manera de implementarlo clínicamente «.

Sin duda, un gran avance para la ciencia médica y tecnológica.

El estudio fue publicado en la revista Science Translational Medicine.

Comparte ciencia, comparte conocimiento.

ensedecienciaalan

Alan Steve tiene una licenciatura en Bioquímica Clínica por la Universidad Nacional Autónoma de México y hace trabajo de investigación en la Unidad de Genética y Diagnóstico Molecular del Hospital Juárez de México. En internet, Alan es fundador de la comunidad Enséñame de Ciencia.