Un nuevo enfoque de aprendizaje federado busca mejorar la predicción del riesgo de cáncer de mama y reducir las disparidades en el cuidado preventivo.
Investigadores de la Escuela de Medicina de la Universidad de Indiana (IU) están dirigiendo un estudio multicéntrico que emplea inteligencia artificial (IA) para mejorar la predicción del riesgo de cáncer de mama. Financiado con una subvención de 3.7 millones de dólares del Instituto Nacional del Cáncer de los Institutos Nacionales de Salud (NIH, en inglés) el estudio también se centrará en reducir las desigualdades en la atención del cáncer.
El equipo de investigación utilizará un método innovador de IA conocido como federated learning o “aprendizaje federado”, que permite analizar datos sin que estos salgan de las instituciones participantes, preservando así la privacidad de los pacientes. Este enfoque colaborativo permite a los investigadores desarrollar modelos robustos para la predicción del riesgo de cáncer de mama a partir de datos diversos, esenciales para mejorar la precisión y aplicabilidad del modelo en múltiples poblaciones de pacientes.
“El aprendizaje federado es un paradigma novedoso para colaboraciones multisede porque permite acceder a datos amplios y diversos sin compartir información entre instituciones, lo que aumenta la confianza y mitiga las preocupaciones sobre la privacidad del paciente”, explicó Spyridon Bakas, director de la División de Patología Computacional en la Escuela de Medicina de IU y el investigador principal del proyecto.
Los datos utilizados en el estudio provendrán de pacientes que se someten a tomosíntesis digital 3D de mama, un método de detección de cáncer de mama que está ganando popularidad sobre la mamografía digital 2D tradicional. A través de esta técnica, los investigadores podrán crear un modelo de IA de código abierto para predecir el riesgo de cáncer de mama, aprovechando el conocimiento obtenido de diversas poblaciones de pacientes.
Cabe destacar que, el cáncer de mama es una de las principales causas de muerte por cáncer en mujeres. Con esta investigación de cinco años, el equipo busca desarrollar modelos de evaluación del riesgo que incluyan datos étnicamente diversos de mujeres sometidas a exámenes de detección de cáncer de mama y mejorar estos modelos iniciales con la inclusión de sitios geográficamente diversos. Además, planean generar datos sintéticos que reflejen las características de las poblaciones locales de cada sitio para aumentar la privacidad y mejorar la precisión del modelo.
“Nos enfocamos en la predicción en lugar del diagnóstico, siendo proactivos en vez de reactivos”, comentó Bakas. Además, el estudio busca abordar las disparidades en salud, ya que muchos pacientes no tienen acceso a un sistema de salud integral. A través del aprendizaje federado, se espera distribuir el modelo de IA en entornos comunitarios más amplios, beneficiando a poblaciones desatendidas.
De esta forma, el estudio encabezado por la UI representa un nuevo avance en la integración de la IA en la medicina preventiva, especialmente en la detección temprana del cáncer de mama. Al utilizar un enfoque novedoso como el aprendizaje federado, el equipo no solo mejora la precisión de los modelos de riesgo, sino que también promueve la equidad en salud al facilitar el acceso a herramientas avanzadas de diagnóstico en comunidades desatendidas.
Por lo tanto, este proyecto no solo tiene el potencial de transformar la atención del cáncer de mama, sino también de establecer un nuevo estándar en la aplicación de IA en la medicina, fomentando la colaboración y la transparencia en el desarrollo de soluciones de salud.
