Emplean inteligencia artificial para el diagnóstico de cáncer pulmonar

- Por

La compleja habilidad humana de reconocer patrones e interpretar imágenes, que se emplean al momento de leer muestras histopatológicas en el portaobjetos de un microscopio, exámenes de rayos X, tomografías computadas, etc., podrían ser realizadas a través de computadoras que empleen inteligencia artificial (IA).

Esto se consigue al alimentar con enormes cantidades de datos de imágenes médicas a los sistemas llamados redes neuronales artificiales, con lo que los investigadores pueden “enseñarle” a las computadoras para que identifiquen patrones relacionados con una patología específica, como neumonía, cáncer o una fractura, que serían difícil de ver para un ser humano. 

El proceso computacional sigue un algoritmo- conjunto de instrucciones muy específicas- que se basa en el aprendizaje profundo, que permite a las computadoras entender el lenguaje hablado e identificar objetos para que, por ejemplo, un sistema que conduce un automóvil reconozca una señal de alto y distinga a un peatón de un poste telefónico.  Cuantos más datos recibe, mejor es la interpretación.

En el área médica, Google ha desarrollado sistemas para ayudar a los patólogos a leer muestras para diagnosticar el cáncer y para facilitarle a los oftalmólogos la detección de patologías oculares en diabéticos.

Además de detectar cánceres establecidos, este tipo de IA empleada en diagnóstico, también puede identificar pequeños indicios que podrían llegar a convertirse en cáncer, para que los radiólogos clasifiquen a los pacientes en grupos de riesgo y opten por prescribir biopsias o seguimientos más frecuentes de aquellas zonas sospechosas.

Pero estos sistemas no están exentos de inconvenientes, porque puede confundir tumores o quistes benignos con neoplasias malignas, que  lleven a realizar procedimientos invasivos y riesgos innecesarios para los pacientes, como biopsias o cirugías. 

En el caso del cáncer de pulmón, las exploraciones pulmonares dan una alta tasa de falsos negativos (30%) y positivos, aspectos que son bastantes críticos, considerando que en México este tipo de cáncer, que si bien por su frecuencia se ubica en el séptimo lugar, tiene una alta letalidad,  que lo posiciona como la primera causa de muerte por cáncer. Cada año fallecen cerca de ocho mil mexicanos por esta patología y unos 1,7 millones en todo el mundo.

IA y cáncer pulmonar

Si bien los investigadores de Google y de varios centros médicos advierten en su trabajo que es un proyecto en avance y aún no está listo para emplearlo masivamente, el informe que fue publicado recientemente en la revista Nature Medicine ofrece una interesante posibilidad de la aplicación de la IA en medicina diagnóstica para cáncer pulmonar.

El equipo creó una red neuronal, con múltiples capas de procesamiento, y la entrenaron con tomografías computarizadas (TAC) de pacientes cuyos diagnósticos se conocían: algunos tenían cáncer de pulmón, otros no y otros tenían nódulos que luego se convirtieron en cancerosos.

El sistema fue probado en su capacidad diagnóstica con el análisis de TAC de 6,716 casos con diagnósticos conocidos, obteniendo una precisión del 94%, que fue comparado con los informes emitidos por seis radiólogos expertos.

Cuando no se disponía de una exploración previa, el modelo de IA superó a los médicos, al evidenciar menos falsos positivos y negativos. En aquellos casos que se disponía de una exploración anterior, el sistema y los médicos estaban a la par.

En palabras del Dr. Daniel Tse, gerente de proyectos de Google y autor del artículo de la revista:”Todo el proceso de experimentación es como un estudiante en la escuela“, “Estamos usando un gran conjunto de datos para la capacitación, que le da lecciones y exámenes de prueba para que pueda comenzar a aprender por sí mismo qué es el cáncer y qué será o no será el cáncer en el futuro“. Lo sometimos a un examen final sobre los datos que nunca se han visto después de haber pasado mucho tiempo entrenando, y el resultado que vimos en el examen final es la obtención de una A“.

Utilidad, ventajas y riesgos de la IA

La capacidad de los sistemas de aprendizaje profundo para procesar grandes cantidades de datos puede hacer posible el reconocimiento de patrones sutiles que los humanos no pueden ver, ayudando a los médicos a realizar lecturas más exactas de las TAC utilizadas para detectar el cáncer de pulmón.

El interesante futuro que se avizora para este sistema, según Tse: “Comenzamos a querer ampliar los límites de la ciencia básica para encontrar aplicaciones interesantes y geniales para trabajar”. Porque “Puede comenzar como algo que no podemos ver, pero eso puede abrir nuevas líneas de investigación“, manifestó el autor del estudio, Dr. Mozziyar Etemadi, profesor asistente de investigación de anestesiología en la Northwestern University Feinberg School of Medicine.

La idea del uso de estos sistemas es convertirse en una valiosa herramienta de ayuda diagnóstica para los médicos, sin embargo, hay peligros potenciales, pues si un radiólogo interpreta erróneamente una exploración puede perjudicar a un paciente, pero un sistema de IA defectuoso en uso masivo podría dañar a una gran cantidad de pacientes.

Antes de ser empleado de forma diagnóstica con pacientes en el mundo real, los sistemas deben pasar por rigurosas pruebas en el mundo real, para constatar que funcionen tan bien como lo hicieron en el estudio. Además,  si logran pasar esas pruebas, todavía tienen que ser chequeadas para detectar posibles problemas de piratería o software.