Un nuevo sistema de IA detecta signos invisibles de cáncer pancreático años antes del diagnóstico

Un nuevo modelo de inteligencia artificial, denominado REDMOD, ha demostrado su capacidad para identificar cambios sutiles en el tejido pancreático que pueden indicar la presencia de cáncer, incluso antes de que la enfermedad sea visible mediante las tecnologías de imagen convencionales. Esta investigación, publicada en la revista Gut, señala que el sistema puede detectar signos tempranos de adenocarcinoma ductal pancreático, el tipo más común de cáncer pancreático.

Los investigadores sostuvieron que esta tecnología podría revolucionar la detección del cáncer pancreático al permitir identificar la enfermedad en una etapa mucho más temprana (etapa 0), momento en el cual el tratamiento tiene mayores probabilidades de éxito. En lugar de recibir un diagnóstico cuando el cáncer ha avanzado a una etapa terminal, los pacientes podrían comenzar el tratamiento mientras la enfermedad aún es tratable.

A pesar de que REDMOD superó a radiólogos experimentados en el estudio, se requiere realizar más investigaciones antes de que pueda implementarse en la atención médica rutinaria. Los científicos enfatizaron la necesidad de probar el sistema en pacientes de alto riesgo, como aquellos que experimentan pérdida de peso inexplicada o que han sido diagnosticados recientemente con diabetes.

Los desafíos en la detección temprana del cáncer pancreático

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 pancreático temprano generalmente produce pocos síntomas notables, y los cambios que provoca en el tejido pancreático pueden ser demasiado sutiles para ser detectados a través de la imagenología médica estándar. Además, la enfermedad puede progresar rápidamente, haciendo que un diagnóstico oportuno sea especialmente crucial.

Para enfrentar estos desafíos, los investigadores crearon 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, que no son fácilmente visibles en las tomografías computarizadas convencionales.

Detección de señales ocultas de cáncer años antes del diagnóstico

Para evaluar el sistema, los investigadores examinaron tomografías computarizadas abdominales de 219 pacientes tratados en múltiples hospitales. En el momento de sus escaneos, los radiólogos experimentados no habían encontrado evidencia de cáncer pancreático. Sin embargo, cada paciente en este grupo fue diagnosticado con la enfermedad posteriormente.

Las imágenes se habían tomado en diferentes intervalos antes del diagnóstico. Para 87 pacientes (40%), las imágenes se obtuvieron de 3 a 12 meses antes. Otros 76 pacientes (35%) fueron escaneados de 12 a 24 meses antes del diagnóstico, mientras que 56 (25%) se sometieron a imágenes 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 computarizadas de 1243 personas que permanecieron libres de cáncer pancreático hasta tres años después. El grupo de comparación fue emparejado según la edad, el sexo y las fechas de sus escaneos.

Los pacientes que eventualmente desarrollaron cáncer pancreático tenían una edad promedio de 69 años, con edades que oscilaban entre 34 y 88 años. Aquellos en el grupo de comparación tenían 64 años de edad en promedio, con el mismo rango de edad.

Resultados prometedores de REDMOD

REDMOD logró identificar firmas de imagen sutiles asociadas con el cáncer pancreático con un promedio de 475 días de anticipación antes de que los pacientes recibieran sus diagnósticos clínicos. Estas señales de advertencia tempranas 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 supervivencia", destacaron los investigadores.

Además, los 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 que el momento del diagnóstico es el determinante más crítico de los resultados de supervivencia.

Superando a los radiólogos experimentados

Los resultados también mostraron que REDMOD fue significativamente mejor que los radiólogos experimentados en el reconocimiento de señales tempranas de cáncer. La IA alcanzó una sensibilidad del 73%, en comparación con el 39% de los radiólogos. La sensibilidad mide cuán eficazmente 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 pronunciada cuando los investigadores examinaron escaneos realizados 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 cuán bien el sistema podía reconocer escaneos de personas sin cáncer pancreático. En un grupo independiente de 539 pacientes de varios hospitales, REDMOD clasificó correctamente poco más del 81% de los escaneos como libres de cáncer. También tuvo un mejor rendimiento en el conjunto de datos NIH-PCT del Instituto Nacional de Salud de EE. UU. (80 pacientes), identificando correctamente el 87.5% como libres de cáncer pancreático.

Pruebas adicionales sugirieron que las señales de advertencia tempranas detectadas por REDMOD fueron consistentes a lo largo del tiempo. Cuando los investigadores analizaron escaneos tomados de los mismos pacientes varios meses después, el sistema produjo resultados coincidentes en el 90 al 92% de los casos. Esta consistencia reforzó la evidencia de que la IA estaba identificando cambios significativos asociados con la enfermedad.

El futuro de la detección temprana del cáncer pancreático

A pesar de los hallazgos prometedores, los investigadores advierten que aún 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 desempeño de la tecnología en diferentes poblaciones.

El sistema también debe someterse a pruebas prospectivas, especialmente entre personas con mayor riesgo de cáncer pancreático, antes de que los investigadores puedan determinar si será efectivo en la práctica clínica diaria.

Aun con estas limitaciones, los hallazgos sugieren que la IA podría ayudar a los médicos a identificar el cáncer pancreático mientras aún está en una etapa mucho más tratable, mejorando potencialmente la supervivencia de los pacientes que de otro modo recibirían un diagnóstico tardío.

Los investigadores concluyeron: "Este estudio valida a REDMOD como un marco de IA completamente automatizado capaz de identificar las firmas de imagen de la etapa 0 del adenocarcinoma ductal pancreático en un páncreas normal, logrando esto con tiempos de anticipación sustanciales y un rendimiento superior al de los radiólogos expertos". Agregaron: "Si bien la validación prospectiva es fundamental para confirmar la utilidad clínica, el marco REDMOD representa un avance significativo hacia el cambio de paradigma para el adenocarcinoma ductal pancreático esporádico, de un diagnóstico sintomático en etapa tardía a una interceptación proactiva preclínica, ofreciendo una esperanza tangible para mejorar los resultados en esta enfermedad desafiante".

Temas