Su descripción se publica en el último número de la revista Nature Medicine y demuestra «la precisión» del nuevo sistema de aprendizaje profundo para predecir este tipo de cáncer, según sus autores, que no obstante advierten de que estos hallazgos deben validarse clínicamente aún en grandes poblaciones de pacientes.
El ‘deep learning’ o aprendizaje profundo es una rama de la inteligencia artificial por la que la máquina aprende a partir de ejemplos y elabora por sí sola patrones cada vez más complejos, simulando el funcionamiento del cerebro.
Basándose en esto, los científicos estadounidenses desarrollaron un algoritmo capaz de detectar nódulos pulmonares malignos, a veces minúsculos, a partir de resultados de un TAC -tomografía axial computarizada- del tórax, con un empeño y precisión igual o mejor que el de los radiólogos.
Para ello, «entrenaron» al sistema en 42.290 imágenes de tomografía computarizada y encontraron que el sistema de inteligencia artificial fue capaz de detectar los módulos con una precisión del 94% en 6.716 casos de prueba.
El modelo se comparó con las pruebas hechas por seis radiólogos tanto cuando estos disponían de imágenes por TAC previas como cuando no, y en los dos casos la máquina superó a los radiólogos expertos.
Además, el sistema de aprendizaje profundo también produjo menos falsos positivos y menos falsos negativos de tumores, afirman los científicos en una nota de prensa de la universidad estadounidense.
Mozziyar Etemadi, profesor de Medicina y de Ingeniería en Northwestern y uno de los autores de este artículo, explica que los radiólogos generalmente examinan cientos de imágenes bidimensionales en una sola tomografía computarizada, pero este nuevo sistema permite analizar instantáneas en 3D.
«La inteligencia artificial en 3D puede ser mucho más sensible en su capacidad de detectar el cáncer de pulmón temprano que el ojo humano que mira imágenes en dos dimensiones», resume este investigador.
No obstante señala que técnicamente se podría hablar de cuatro dimensiones, pues no se trata solo de una tomografía computarizada, sino de dos tomadas en distintos momentos (tomografías presentes y pasadas de los pacientes).
Para construir la inteligencia artificial para ver los TAC de esta manera, «se necesita un enorme sistema informático a escala de Google», precisa Etemadi, quien apunta que «el concepto es novedoso, pero su ingeniería también lo es por su escala».
Shravya Shetty, de Google AI -división de inteligencia artificial de la compañía- declara por su parte que «este área de investigación es increíblemente importante, ya que el cáncer de pulmón tiene la tasa más alta de mortalidad entre todos los tipos de cáncer».
El sistema ahora presentado examina el modo en el que la inteligencia artificial puede utilizarse para mejorar y optimizar el proceso de cribado realizado con tomografía con dosis bajas de radiación, añade este experto, quien asegura que «los resultados son prometedores y esperamos continuar nuestro trabajo con nuestros socios y compañeros».
Y es que, apunta la nota de la universidad estadounidense, el cribado torácico sirve para identificar el tumor y reducir las tasas de mortalidad, pero también se producen «altas tasas de error».
Además, «el acceso limitado a estos exámenes médicos significan que muchos tumores de pulmón generalmente se detectan en etapas avanzadas, cuando son difíciles de tratar».
Ahora, «este nuevo sistema es capaz de identificar tanto una región de interés como si la región tiene una alta probabilidad de cáncer de pulmón».
«El sistema puede categorizar una lesión con más especificidad; no solo podemos diagnosticar mejor a una persona con cáncer, también podemos decir si alguien no lo tiene, y salvarle así de una biopsia pulmonar invasiva, costosa y con riesgos», resume Etemadi.
Estrella Digital