Cómo están entrenando a la IA para recomendarte una prueba de detección de cáncer
La inteligencia artificial predice el riesgo de cáncer con mayor precisión que la edad, mejorando la detección personalizada y evitando pruebas innecesarias
El cáncer de páncreas afecta a más de medio millón de personas cada año. Crédito: crystal light | Shutterstock
La detección temprana del cáncer ha sido uno de los principales pilares en la lucha contra esta enfermedad, pero el enfoque tradicional para recomendar pruebas de detección ha estado basado casi exclusivamente en la edad del paciente.
Este criterio puede llevar a que personas jóvenes con alto riesgo de cáncer no sean evaluadas, mientras que individuos mayores, con menor probabilidad de desarrollar la enfermedad, sean sometidos a pruebas innecesarias.
Sin embargo, una nueva investigación liderada por Farrokh Alemi, profesor de la Universidad George Mason, plantea un cambio radical en este enfoque utilizando inteligencia artificial (IA) y modelos predictivos basados en el riesgo para hacer las recomendaciones más precisas y personalizadas.
En un número especial de la revista Quality Management in Health Care, Alemi y sus colegas presentaron cinco artículos que exploran cómo la IA puede predecir el riesgo de cáncer en una amplia gama de tipos de cáncer, desde el carcinoma de piel hasta el cáncer de hígado.
Según los resultados obtenidos, los modelos predictivos tienen una capacidad asombrosa para predecir entre el 60% y el 90% de los casos de cáncer, dependiendo de la enfermedad.
Por ejemplo, el carcinoma de piel podría preverse con una precisión de hasta el 90%, mientras que los cánceres de riñón y los tumores cerebrales malignos se predicen en un 80%. El cáncer de mama en remisión y el cáncer de hígado tienen un rendimiento predictivo cercano al 70% y 60%, respectivamente.
Estos modelos predictivos no solo son más efectivos que las actuales recomendaciones basadas en la edad, sino que también abren la puerta a una medicina más personalizada. Alemi señala que la IA, al analizar exhaustivamente los antecedentes médicos y sociales de cada paciente, puede ofrecer una evaluación mucho más precisa del riesgo de cáncer que simplemente basarse en factores generales como la edad o el género.
Esta capacidad para realizar predicciones más certeras podría cambiar radicalmente cómo se realizan las pruebas de detección del cáncer.
Sin embargo, a pesar de su alta efectividad, estos modelos de IA no han sido adoptados de manera generalizada en las recomendaciones del Grupo de Trabajo de Servicios Preventivos de EE. UU. (USPSTF), que sigue priorizando las pautas tradicionales.
Integración de modelos predictivos
Frente a esta limitación, Alemi y su equipo abogan por la integración de estos modelos predictivos en las prácticas clínicas, eludiendo las recomendaciones de las entidades tradicionales, lo que permitiría un acceso más amplio y personalizado a las pruebas de detección para aquellos que realmente las necesitan.
De esta manera, los pacientes con alto riesgo podrían ser dirigidos a pruebas de detección en un momento adecuado, mientras que aquellos con bajo riesgo evitarían someterse a procedimientos innecesarios, lo que representaría una mejora tanto en términos de eficacia como de costos.
La implementación de estos modelos también podría ser ideal para servicios en línea, permitiendo que los pacientes, incluso en sus propios hogares, reciban recomendaciones personalizadas sobre si deben someterse a exámenes de detección del cáncer.
De acuerdo con Alemi, este enfoque no solo impulsaría la adopción de la medicina predictiva, sino que también facilitaría el acceso a información crucial para los pacientes y los animaría a discutir su situación con sus médicos de atención primaria.
Los modelos basados en IA son descritos por Alemi como herramientas no invasivas, mucho más precisas que las recomendaciones basadas únicamente en la edad, y con la ventaja adicional de ser rentables y de aplicación universal.
En sus investigaciones, los autores concluyen que estas tecnologías ofrecen un método pragmático y accesible para informar a los pacientes, permitiendo decisiones más fundamentadas y, en última instancia, una mejor gestión de su salud.
Sigue leyendo:
