Investigadores de HKUMed logran clasificar etapa y riesgo con más de 90% de precisión y reducen el tiempo de preparación clínica en un 50%.
La Universidad de Hong Kong presentó un modelo de inteligencia artificial (AI) capaz de analizar documentos clínicos y clasificar con alta precisión el cáncer de tiroides, lo que podría optimizar el trabajo de los profesionales médicos en todo el mundo. El estudio publicado en npj Digital Medicine journal describe cómo un equipo interdisciplinario de la Facultad de Medicina de la Universidad de Hong Kong (HKUMed), junto con el Laboratorio InnoHK D²4H y la London School of Hygiene & Tropical Medicine, desarrolló el primer modelo de AI diseñado para clasificar tanto la etapa como el riesgo clínico del cáncer de tiroides. Esta herramienta ha alcanzado una precisión superior al 90% y permite reducir a la mitad el tiempo que los médicos dedican a preparar las consultas.
El cáncer de tiroides es una de las formas más comunes de cáncer en Hong Kong y a nivel mundial. Su tratamiento se guía habitualmente por dos sistemas clínicos: la clasificación de riesgo de la Asociación Americana de Tiroides (ATA) y el sistema de estadificación TNM de la Comisión Conjunta Americana sobre el Cáncer (AJCC, por sus siglas en inglés). Aplicar estos sistemas de manera manual puede resultar complejo y demandante para los profesionales de salud.
Para resolver esta dificultad, el equipo de HKUMed desarrolló un asistente de AI basado en grandes modelos de lenguajes (LLM, en inglés), como ChatGPT y DeepSeek, que puede analizar textos clínicos y asignar automáticamente una etapa y una categoría de riesgo. El modelo se entrenó utilizando informes de patología de 50 pacientes del programa estadounidense Cancer Genome Atlas (TCGA), y fue validado con datos de otros 289 pacientes, además de 35 casos simulados elaborados por cirujanos endocrinos.
El modelo se nutre de cuatro LLM de código abierto: Mistral, Llama (Meta), Gemma (Google) y Qwen (Alibaba). Combinando los resultados de estas herramientas, el clasificador alcanzó precisiones de entre 88.5% y 100% en la clasificación de riesgo (ATA) y entre 92.9% y 98.1% en la estadificación (AJCC), según el grupo de casos evaluado.
Según los investigadores, este sistema puede operar de forma local sin necesidad de conexión en línea, lo que preserva la privacidad de los pacientes. Además, puede integrarse en entornos clínicos públicos y privados, tanto a nivel local como internacional.
El equipo de investigación estuvo encabezado por el profesor Joseph Wu, el Dr. Matrix Fung y el Dr. Carlos Wong. Uno de los puntos destacados por los expertos es que esta herramienta no solo mejora la eficiencia en el diagnóstico, sino que también libera tiempo para que los médicos puedan enfocarse en la atención directa de sus pacientes.
“El modelo de AI es versátil y podría integrarse fácilmente en diversos entornos de los sectores público y privado, así como en institutos de salud e investigación tanto locales como internacionales”, expresó el Dr. Fung. “Somos optimistas respecto a que la implementación práctica de este modelo de AI podría mejorar la eficiencia del personal clínico de primera línea y la calidad de la atención. Además, los médicos dispondrán de más tiempo para asesorar a sus pacientes”.
