Techinfo
Investigadores han publicado un estudio en la revista Gut que revela que el sistema REDMOD es capaz de detectar signos tempranos de adenocarcinoma ductal pancreático, el tipo más común de cáncer de páncreas. Los científicos creen que esta tecnología podría transformar la forma en que se diagnostica el cáncer de páncreas, al identificar la enfermedad en una etapa mucho más temprana (etapa 0), cuando las posibilidades de éxito en el tratamiento son significativamente mayores. Esto podría ofrecer a los pacientes la oportunidad de comenzar el tratamiento mientras la enfermedad aún es tratable, en lugar de recibir un diagnóstico en etapas avanzadas, que pueden ser potencialmente terminales.
Aunque REDMOD superó en rendimiento a radiólogos experimentados durante el estudio, los investigadores subrayan que se necesita realizar más estudios antes de que el sistema pueda ser utilizado en la atención médica rutinaria. En particular, enfatizan la importancia de probar el sistema en pacientes con alto riesgo, como aquellos que experimentan pérdida de peso inexplicada o que han sido diagnosticados recientemente con diabetes.
El adenocarcinoma ductal pancreático presenta una baja tasa de supervivencia, en gran parte porque a menudo se descubre solo después de que la enfermedad ha avanzado. El cáncer de páncreas en sus etapas iniciales suele generar pocos síntomas notables, y los cambios que provoca en el tejido pancreático pueden ser demasiado sutiles para ser detectados mediante técnicas de imagen médica estándar. Además, el cáncer puede progresar rápidamente, lo que hace que un diagnóstico oportuno sea especialmente crucial.
Para enfrentar estos desafíos, los investigadores desarrollaron un marco de inteligencia artificial conocido como Radiomics-based Early Detection MODel (REDMOD). Este sistema analiza patrones extremadamente finos en la textura del tejido pancreático, conocidos como radiómica, que no son fácilmente visibles en las tomografías computarizadas convencionales. REDMOD también identifica y delimita automáticamente el páncreas, separándolo de órganos y tejidos cercanos. Este proceso elimina la necesidad de que los especialistas tracen manualmente los contornos del órgano, reduciendo las inconsistencias que pueden surgir cuando diferentes personas realizan esta tarea.
Para evaluar el sistema, los investigadores examinaron tomografías computarizadas abdominales de 219 pacientes tratados en múltiples hospitales. En el momento de sus estudios, radiólogos experimentados no habían encontrado evidencia de cáncer de páncreas. Sin embargo, cada uno de los pacientes de este grupo fue diagnosticado posteriormente con la enfermedad. Las tomografías se habían realizado en diferentes intervalos antes del diagnóstico. Para 87 pacientes (40%), las imágenes fueron obtenidas entre 3 y 12 meses antes. Otros 76 pacientes (35%) fueron escaneados entre 12 y 24 meses antes del diagnóstico, mientras que 56 (25%) se sometieron a estudios de imagen más de 24 meses antes (hasta aproximadamente 3 años). En casi dos tercios (64%) de los pacientes, el cáncer se desarrolló en la cabeza del páncreas.
Los investigadores compararon estas imágenes con tomografías de 1243 personas que permanecieron libres de cáncer de páncreas durante hasta tres años después. El grupo de comparación fue emparejado según edad, sexo y las fechas de sus estudios. Los pacientes que eventualmente desarrollaron cáncer de páncreas tenían una edad promedio de 69 años, con un rango de 34 a 88 años. Aquellos en el grupo de comparación tenían una edad promedio de 64 años, con el mismo rango de edad de 34 a 88 años.
REDMOD identificó con éxito sutiles firmas de imagen asociadas con el cáncer de páncreas, en promedio, 475 días antes de que los pacientes recibieran sus diagnósticos clínicos. Estas señales de advertencia temprana habían pasado desapercibidas durante las evaluaciones radiológicas rutinarias. "Esta ventana temporal tiene una profunda importancia, ya que lograr una detección tan temprana aumentaría sustancialmente la probabilidad de cura y de una mejor supervivencia", destacan los investigadores. "De hecho, estudios de modelado indican que aumentar la proporción de carcinomas ductales pancreáticos localizados del 10% al 50% más que duplicaría las tasas de supervivencia, subrayando así que el momento del diagnóstico es el único determinante crítico de los resultados de supervivencia", añaden.
Los resultados también mostraron que REDMOD superó considerablemente a los radiólogos experimentados en el reconocimiento de señales tempranas de cáncer. La inteligencia artificial logró una sensibilidad del 73%, en comparación con el 39% de los radiólogos. La sensibilidad mide cuán efectivamente un método diagnóstico identifica a las personas que realmente tienen la enfermedad, en lugar de pasar por alto casos genuinos.
La diferencia fue aún más notable cuando los investigadores examinaron las imágenes tomadas más de dos años antes de que los pacientes fueran diagnosticados. En estos casos, REDMOD logró una tasa de detección del 68%, casi tres veces el 23% registrado por los radiólogos.
Los investigadores también evaluaron la capacidad del sistema para reconocer imágenes de personas sin cáncer de páncreas. En un grupo independiente de 539 pacientes de varios hospitales, REDMOD clasificó correctamente poco más del 81% de las imágenes como libres de cáncer. Su rendimiento fue aún mejor en el conjunto de datos NIH-PCT, disponible públicamente, que incluía 80 pacientes, donde identificó correctamente el 87.5% como libres de cáncer de páncreas.
Pruebas adicionales sugirieron que las señales de advertencia temprana detectadas por REDMOD eran consistentes a lo largo del tiempo. Cuando los investigadores analizaron imágenes tomadas de los mismos pacientes con varios meses de diferencia, el sistema produjo resultados coincidentes en el 90 al 92% de los casos. Esta consistencia reforzó la evidencia de que la inteligencia artificial estaba identificando cambios significativos asociados con la enfermedad.
¿Podría la inteligencia artificial transformar la detección temprana del cáncer de páncreas? A pesar de los hallazgos prometedores, los investigadores advierten que quedan varias preguntas sin respuesta. Una limitación es que la población del estudio no incluyó una gama suficientemente diversa de antecedentes étnicos, lo que podría afectar el rendimiento de la tecnología en diferentes poblaciones.
El sistema también debe someterse a pruebas prospectivas, particularmente entre personas con mayor riesgo de cáncer de páncreas, antes de que los investigadores puedan determinar si será efectivo en la práctica clínica cotidiana. Aun con estas limitaciones, los hallazgos sugieren que la inteligencia artificial podría eventualmente ayudar a los médicos a identificar el cáncer de páncreas mientras aún se encuentra en una etapa mucho más tratable, lo que potencialmente mejoraría la supervivencia de los pacientes que de otro modo recibirían un diagnóstico tardío.
Los investigadores concluyen: "Este estudio valida a REDMOD como un marco de inteligencia artificial completamente automatizado capaz de identificar las firmas de imagen del estadio 0 [adenocarcinoma ductal pancreático] en páncreas normal, logrando esto con tiempos de anticipación sustanciales y un rendimiento superior al de radiólogos expertos."
Los investigadores subrayan que, aunque la validación prospectiva es fundamental para confirmar la utilidad clínica, el marco REDMOD representa un avance significativo hacia el cambio de paradigma en el diagnóstico del adenocarcinoma ductal pancreático esporádico. Este enfoque permite pasar de un diagnóstico sintomático en etapas avanzadas a una intervención proactiva en la fase preclínica. Esto ofrece una esperanza tangible para mejorar los resultados en esta enfermedad desafiante, que ha sido históricamente difícil de detectar en sus primeras etapas debido a la falta de síntomas evidentes.
La investigación fue publicada en la revista "Gut" y está liderada por un equipo de expertos que incluye a Sovanlal Mukherjee, Ajith Antony, Nandakumar G Patnam, Kamaxi H Trivedi, Aashna Karbhari, Khurram Khaliq Bhinder, Armin Zarrintan, Joel G Fletcher, Mark Truty, Matthew P Johnson, Suresh T Chari y Ajit Harishkumar Goenka. El estudio se centra en la detección de cáncer pancreático visualmente oculto mediante inteligencia artificial de última generación en un entorno de baja prevalencia, con estabilidad longitudinal y generalizabilidad multiinstitucional. Este enfoque innovador utiliza algoritmos avanzados para identificar signos sutiles de la enfermedad que podrían pasar desapercibidos en un examen médico convencional.
Este avance en la detección temprana del cáncer pancreático podría cambiar la forma en que se aborda esta enfermedad, que históricamente ha tenido una alta tasa de mortalidad debido a su diagnóstico tardío. La investigación sugiere que, con la implementación de estas tecnologías, se podría lograr una mejora significativa en la tasa de supervivencia de los pacientes diagnosticados en etapas más tempranas de la enfermedad. La capacidad de detectar signos "invisibles" de cáncer pancreático años antes de un diagnóstico formal representa un cambio crucial en la estrategia de manejo de esta patología, ofreciendo nuevas esperanzas a los pacientes y sus familias.
Fuente original: ScienceDaily.
