Investigadores del Imperial College combinaron imágenes médicas y un modelo de IA para ayudar a los médicos a evaluar el cáncer de pulmón en pacientes.
Investigadores del Imperial College utilizaron inteligencia artificial (IA) para extraer información sobre la composición química de los tumores de pulmón a partir de escáneres médicos. De esta forma, por primera vez, han demostrado cómo combinar imágenes médicas con IA puede proporcionar una “biopsia virtual” para pacientes con cáncer, clasificando el tipo de cáncer de pulmón de un paciente y prediciendo la progresión del cáncer de manera no invasiva.
“Hemos desarrollado un sistema que combina las tomografías computarizadas con la composición química de los tumores y el tejido pulmonar normal. Esto nos permite clasificar los tipos de cáncer de pulmón y, lo que es más importante, proporciona predicciones fiables sobre los resultados de los pacientes”, explicó Marc Boubnovski Martell, primer autor y candidato a doctorado en el Imperial.
El estudio, liderado por el Imperial College London, publicado en npj Precision Oncology y financiado por el Instituto Nacional de Investigación en Salud y Atención de Reino Unido, utiliza un método que combina datos de escáneres de tomografía computarizada (TC) con información sobre la composición química de los tumores y el tejido pulmonar normal. De esta forma es posible no solo clasificar los tipos de cáncer de pulmón sino también predecir los resultados del paciente.
Los investigadores entrenaron un modelo de IA llamado TMR-CT en datos de 48 pacientes con cáncer de pulmón que se sometieron a escáneres TC y análisis de metabolómica en el Hospital Universitario Reina Sofía en Córdoba, España. Este modelo mostró una correlación significativa entre los perfiles metabolómicos de los pacientes y las características “profundas” de sus escáneres TC.
El TMR-CT se probó en 723 pacientes con cáncer de pulmón tratados en varios hospitales del Reino Unido, donde no se disponía de datos de metabolómica. El modelo demostró una clasificación precisa del cáncer de pulmón y predicciones confiables sobre los resultados del paciente, superando el rendimiento de los métodos tradicionales basados en TC y las evaluaciones clínicas.
Además, el estudio mostró una correlación importante entre los perfiles metabolómicos de los pacientes y las características de sus TC, por lo que fue posible inferir las características metabólicas del tumor a partir de las TC solamente.
Los investigadores esperan confirmar la eficacia del método TMR-CT en otros grupos de pacientes con cáncer de pulmón y posiblemente en personas con otros tipos de cáncer difíciles de realizar una biopsia. Esta técnica podría potencialmente incorporarse como un algoritmo en el software de escáneres de imágenes médicas comerciales, cambiando el paradigma y los protocolos de diagnóstico y tratamiento del cáncer en un futuro.
