Primera causa mundial de muerte por tumor cancerígeno, el cáncer de pulmón ya cuenta con una inteligencia artificial que lo predice, y se llama ‘Sybil’.
Recientemente, investigadores del Mass General Cancer Center, institución adscrita al Mass General Brigham, han logrado desarrollar y probar una nueva herramienta contra el cáncer de pulmón, contando para ello con la colaboración activa de científicos del Instituto Tecnológico de Massachusetts (MIT), en Estados Unidos.
Cuando el cáncer de pulmón puede detectarse antes incluso de sus síntomas, gracias a rastrear el riesgo de sus exposiciones
Difundida por el ‘Journal of Clinical Oncology’, y conocida como ‘Sybil’, se trata de una herramienta de inteligencia artificial que recurre a la tomografía computarizada torácica de baja dosis (LDCT) para llevar a cabo sus análisis.
Una nueva tecnología anticancerígena que se puso a prueba en pacientes de EEUU y Taiwán, prediciendo en cada uno de ellos el riesgo exacto que tenían de acabar sufriendo cáncer de pulmón, independientemente de que presentaran antecedentes significativos de tabaquismo.
Aunque en investigaciones anteriores se haya dejado claro que el cribado del cáncer de pulmón con LDCT es capaz de reducir la mortalidad de este tumor hasta en un 24 por ciento, el aumento de las tasas de este mismo cancerígeno entre las personas no fumadoras ha evidenciado la necesidad de implementar nuevas estrategias para detectar y predecir con exactitud el riesgo de padecer esta enfermedad, adaptándolo eso sí a una población más amplia.
«Las tasas de cáncer de pulmón siguen aumentando entre las personas que nunca han fumado o que no han fumado en años, lo que sugiere que hay muchos factores de riesgo que contribuyen al riesgo de cáncer de pulmón, algunos de los cuales son actualmente desconocidos», tal y como hizo ver Lecia Sequist, autora principal del ensayo y directora del Centro para la Innovación en la Detección Temprana del Cáncer.
La revisión anual por LDCT sigue siendo, por tanto, una de las recomendaciones más reiteradas entre las autoridades sanitarias de muchos países, entre las que se encuentran las estadounidenses, que aconsejan su escrutinio a los fumadores mayores de 50 años con un historial de 20 paquetes por año a su espalda; una exhortación en la que también incluyen a quienes fuman actualmente y a las personas que hayan dejado de fumar en los últimos 15 años.
Pese a ello, menos del 10 por ciento de quienes cumplen con estos requisitos aceptan someterse al final a una revisión anual por LDCT.
Según detalla la experta Sequist, quien también ejerce como oncóloga médica de cáncer de pulmón en el Mass General Cancer Center, «en lugar de evaluar los factores de riesgo ambientales o genéticos individuales, hemos desarrollado una herramienta que puede utilizar imágenes para observar la biología colectiva y hacer predicciones sobre el riesgo de cáncer».
Por ello, y a fin de ayudar a mejorar la eficacia del cribado del cáncer de pulmón y, con las mismas, ofrecer evaluaciones individualizadas, el equipo capitaneado por Sequist utilizó datos del National Lung Screening Trial (NLST) y, con ellos en la mano, concibieron a ‘Sybil’, un modelo de aprendizaje profundo que analiza las exploraciones y predice el riesgo de cáncer de pulmón, al menos en un futuro corto que abarca entre el primer y sexto año próximo.
«’Sybil’ requiere solo una LDCT y no depende de datos clínicos o anotaciones del radiólogo», y así lo aclaró Florian Fintelmann, coautor del ensayo y miembro del Departamento de Radiología, División de Imágenes Torácicas e Intervención del Hospital General de Massachusetts.
«Fue diseñado para ejecutarse en tiempo real en el fondo de una estación de lectura de radiología estándar que permite el apoyo a la decisión clínica en el punto de atención».
‘Sybil’, el programa que busca revolucionar el trabajo de la radiología frente a la detección precoz del cáncer de pulmón
Durante sus diversas fases de validación, ‘Sybil’ se probó en un conjunto de exploraciones de más de 6.000 participantes en el NLST, desconocidos hasta entonces por la herramienta; y también se ensayó en 8.821 LDCT del Hospital General de Massachusetts (MGH), así como en 12.280 LDCT del Hospital Chang Gung Memorial de Taiwán; el cual incluyó a personas con diversos antecedentes de tabaquismo, por cierto, incluidos los que nunca habían fumado. Tres conjuntos de datos que, como puede verse, eran independientes entre sí.
En todos ellos, en cualquier caso, la innovadora herramienta contra el cáncer de pulmón funcionó con precisión; y es que ‘Sybil’ fue capaz de predecir con exactitud el riesgo cancerígeno en cada uno de los conjuntos expuestos; un grado de determinación que los investigadores pudieron obtener al echar mano del ‘Área Bajo la Curva’ (o AUC, por sus siglas en inglés), una medida que valora la capacidad de una prueba, y que permite distinguir entre muestras normales y enfermas, donde 1,0 se considera una puntuación perfecta.
«’Sybil’ puede observar una imagen y predecir el riesgo de que un paciente desarrolle cáncer de pulmón en un plazo de seis años», aseveró Regina Barzilay, otra coautora del ensayo y doctora directora de la facultad de la Clínica Jameel, así como miembro del Instituto Koch para la Investigación Integral del Cáncer. «Estoy entusiasmada con los esfuerzos traslacionales liderados por el equipo del MGH que pretenden cambiar los resultados de pacientes que, de otro modo, desarrollarían una enfermedad avanzada».
Después de todo, y tal y como señalaron sus autores, se trata de un estudio retrospectivo donde la inmensa mayoría de los participantes eran de raza blanca, lo que demuestra la importante necesidad de ponerlo en práctica en otras poblaciones diversas. La llegada de nuevos ensayos prospectivos en este campo significaría una ayuda hacia el seguimiento de los pacientes en el futuro, ya que solo así se podrá validar esta tecnología sanitaria de inteligencia artificial.
Por ahora, Sequist y sus colegas han hecho público el código de esta técnica, dejándolo a disposición del público, ya que se pueden consultar por aquí, y además tienen planeado abrir un ensayo clínico prospectivo que ponga a prueba la herramienta en el mundo real, lo que les ayudará a comprender mejor cómo esta tecnología contra el cáncer de pulmón puede completar el trabajo de los radiólogos.
«En nuestro estudio, ‘Sybil’ fue capaz de detectar patrones de riesgo en la LDCT que no eran visibles para el ojo humano», contó Sequist, añadiendo que tanto ella como su equipo están entusiasmados «por seguir probando este programa, para ver si puede añadir información que ayude a los radiólogos con el diagnóstico y nos ponga en el camino de personalizar el cribado para los pacientes», especialmente las personas aquejadas de cáncer de pulmón.
