Estudio publicado recientemente en JAMA Network, muestra la validación de un modelo de aprendizaje profundo para predecir cáncer de pulmón a través de radiografías y registros médicos electrónicos.
La mortalidad por cáncer de pulmón pueden reducirse entre 20 y 24% gracias a la detección temprana utilizando tomografía computarizada. Se trata de un dato sumamente relevante, ya que esta enfermedad es la principal muerte por cáncer a nivel mundial.
En Estados Unidos los Centros de Servicios Medicare y Medicaid establecen que para someterse a una tomografía computarizada para detección de cáncer los pacientes deben tener entre 55 y 77 años y tener antecedentes de tabaquismo. Esta situación limita la detección de esta enfermedad que registra más muertes en Estados Unidos que los otros tres principales tipos de cáncer en el país.
Investigadores de diversos centros de estudio y hospitales de Massachussets, como Harvard, Brigham and Women’s Hospital, Massachussets General Hospital, entre otros, realizaron una investigación que plantea la utilidad de un modelo de aprendizaje profundo para identificar a personas con alto riesgo de padecer cáncer de pulmón.
El modelo utiliza radiografías de tórax y otros datos obtenidos por medio de registros médicos electrónicos para identificar a pacientes con alto riesgo y que sean elegibles para realizarse una tomografía computarizada en los servicios de Medicare y Medicaid.
La investigación buscó la validación del algoritmo CXR-LC, una herramienta de aprendizaje profundo de código abierto capaz de estimar el riesgo de cáncer de pulmón a partir de imágenes de radiografías de tórax existentes y otros datos de registros médicos. Este modelo podría permitir la identificación automatizada de pacientes de alto riesgo.
El estudio comparó las estimaciones de CXR-LC con pautas de detección de Medicare y Medicaid utilizando datos de pacientes de Mass General Brigham. Los participantes incluidos fueron personas fumadoras o que habían fumado cigarrillos y contaban con una radiografía de tórax ambulatoria entre el 1 de enero de 2013 y el 31 de diciembre de 2014, sin antecedentes de cáncer de pulmón o uso de tomografía computarizada para su detección.
En este sentido, para el estudio se tomaron en cuenta datos de registros médicos electrónicos de 14,737 pacientes en el sistema de salud de Mass General Brigham. El modelo CXR-LC identificó a las personas con alto riesgo de cáncer de pulmón, incluidas aquellas que no cumplieron con los criterios de elegibilidad para la detección del cáncer de pulmón de Medicare.
“Estos resultados sugieren que un modelo de aprendizaje profundo puede ayudar a identificar a las personas de alto riesgo que pueden beneficiarse de la detección del cáncer de pulmón con tomografía computarizada de tórax”, explican los autores.
Consulta los hallazgos en el siguiente enlace:
https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2799952
