La IA ayuda a predecir la recaída del cáncer cerebral

La inteligencia artificial (IA) es muy prometedora para analizar grandes conjuntos de datos de imágenes médicas e identificar patrones que podrían pasar desapercibidos para los observadores humanos. La interpretación de escáneres cerebrales asistida por IA puede ayudar a mejorar la atención a niños con tumores cerebrales llamados gliomas, que suelen ser tratables, pero cuyo riesgo de recurrencia varía. Un modelo de aprendizaje predijo la recurrencia del cáncer cerebral pediátrico con una precisión de hasta el 89%. El estudio correspondiente se publicó en The New England Journal of Medicine AI. 

"Muchos gliomas pediátricos son curables solo con cirugía, pero cuando ocurren recaídas, pueden ser devastadoras", dijo el autor correspondiente, Benjamin Kann, MD, del Programa de Inteligencia Artificial en Medicina (AIM) en Mass General Brigham y el Departamento de Oncología Radioterapéutica en Brigham and Women's Hospital, en un comunicado de prensa. 

Es muy difícil predecir quién puede estar en riesgo de recurrencia, por lo que los pacientes se someten a seguimientos frecuentes con resonancia magnética (RM) durante muchos años, un proceso que puede ser estresante para los niños y las familias. Necesitamos mejores herramientas para identificar tempranamente qué pacientes tienen mayor riesgo de recurrencia, añadió. 

Para el estudio, los investigadores desarrollaron un enfoque de aprendizaje profundo temporal autosupervisado, en el que un modelo multipaso codifica las resonancias magnéticas seriadas de los pacientes y se entrena para clasificarlas en el orden cronológico correcto. Ajustaron el modelo para predecir la recurrencia de gliomas pediátricos al cabo de un año, utilizando el historial de seguimiento postoperatorio de los pacientes. El modelo se aplicó a 3994 resonancias magnéticas de 715 pacientes para gliomas de bajo y alto grado. 

Finalmente, el modelo predijo la recurrencia de gliomas de bajo y alto grado al año del tratamiento con una precisión del 75-89%, lo que representa una mejora significativa respecto al 50% de precisión obtenido con imágenes individuales. La precisión se estancó entre cuatro y seis imágenes. 

Se requiere mayor validación en otros entornos para que la tecnología se pueda utilizar en contextos clínicos, advirtieron los investigadores. Esperan iniciar ensayos clínicos para determinar si la predicción de riesgos basada en IA puede mejorar la atención médica.  "Esta técnica se puede aplicar en muchos entornos en los que los pacientes reciben imágenes longitudinales y seriadas, y estamos entusiasmados por ver qué inspirará este proyecto", dijo en un comunicado de prensa el primer autor Divyanshu Tak, MS, del Programa AIM en Mass General Brigham y el Departamento de Oncología Radioterapéutica en Brigham.

Tomado de: Science Daily

 Fuente: The New England Journal of Medicine AI