Investigadores de la Northwestern University en Estados Unidos, desarrollaron un modelo de IA que sería capaz de evitar tratamientos agresivos innecesarios en pacientes con cáncer de mama.
Una nueva herramienta basada en inteligencia artificial (IA), podría hacer posible evitar que pacientes con cáncer de mama pasen por tratamientos de quimioterapia innecesarios, al utilizar un método más preciso para predecir sus resultados. Un estudio realizado por investigadores de Northwestern University y publicado en Nature Medicine detalló la creación de un modelo de aprendizaje profundo o deep learning, que es capaz de mapear con precisión estructuras celulares y medir ciertas características para predecir estos resultados.
El estudio presenta la Histomic Prognostic Signature (HiPS), una herramienta que evaluó los tejidos de pacientes y logró predecir el curso futuro de la enfermedad de un paciente previamente evaluado por patólogos expertos. Asimismo, HiPS puedo identificar pacientes con cáncer de mama que actualmente están clasificadas como riesgo alto o intermedio pero que son sobrevivientes a largo plazo. De esta manera, se podría reducir la duración y/o intensidad de la quimioterapia, de esta manera sería posible evitar efectos secundarios de las quimioterapias.
“Nuestro estudio demuestra la importancia de los componentes no cancerosos para determinar el resultado de un paciente”, dijo el autor del estudio Lee Cooper, profesor de patología en la Facultad de Medicina de Northwestern. De igual forma reconoció que la importancia de estos elementos se conoció gracia a estudios biológicos, sin embargo, este conocimiento no se ha reflejado de manera efectiva en uso clínico.
El modelo HiPS superó sistemáticamente a los patólogos en la predicción de los resultados de supervivencia, independientemente del estadio del tumor-nódulo-metástasis y de las variables pertinentes.
Los autores explican que el cáncer de mama es una enfermedad heterogénea con resultados de supervivencia variables. Actualmente, los patólogos califican el aspecto microscópico del tejido mamario utilizando los criterios de Nottingham, una escala cualitativa que no toma en cuenta elementos no cancerosos en los tumores.
“Estos patrones son difíciles de evaluar para un patólogo, ya que pueden ser difíciles de categorizar de manera confiable para el ojo humano”, explicó Cooper, que también es miembro del Centro Integral de Cáncer Robert H. Lurie de la Universidad Northwestern. “El modelo de IA mide estos patrones y presenta información al patólogo de una manera que le aclara el proceso de toma de decisiones de la IA”, agregó.
Según el estudio, el modelo puede ser de gran utilidad para evaluar la respuesta terapéutica, permitiendo así intensificar o reducir el tratamiento dependiendo de la apariencia microscópica del tejido. Asimismo, Cooper explicó que el modelo puede ser capaz de reducir disparidades entre paciente diagnosticados en entornos sin infraestructura o profesionales especializados disponibles. “Es posible que estos pacientes no tengan acceso a un patólogo especializado en cáncer de mama, y nuestro modelo de IA podría ayudar a un patólogo generalista a la hora de evaluar los cánceres de mama”.
Finalmente, los autores concluyen que, HiPS es un biomarcador sólidamente validado para ayudar a los patólogos y mejorar el pronóstico de los pacientes.
