El cáncer de pulmón es la principal causa de muerte por cáncer en el mundo. Se recomienda la tomografía computarizada de tórax de dosis baja (LDCT) para evaluar a las personas en el grupo de edad de 50 a 80 años que tienen un historial significativo de tabaquismo o que actualmente fuman.
Los estudios han demostrado que la detección con LDCT puede reducir el riesgo de muerte por cáncer de pulmón hasta en un 24 %.
Sin embargo, con el aumento de las tasas de cáncer de pulmón entre los no fumadores, existe la necesidad de nuevas estrategias para detectar y predecir con precisión el riesgo de cáncer de pulmón entre una población más amplia.
Le puede interesar:
Clínica presenta Unidad Tomografía instalada por DISS
Ahora, los investigadores han desarrollado y probado una herramienta de inteligencia artificial (IA) que predice con precisión el riesgo de cáncer de pulmón para las personas con o sin un historial significativo de tabaquismo en función del análisis de las exploraciones LDCT de los pacientes.
Con el fin de ayudar a mejorar la eficiencia de la detección del cáncer de pulmón y proporcionar evaluaciones individualizadas, investigadores del Mass General Cancer Center (Boston, MA, EE. UU), en colaboración con investigadores del Instituto Tecnológico de Massachusetts (MIT, Cambridge, MA, EE. UU), han desarrollado Sybil, un modelo de aprendizaje profundo que analiza los escaneos y predice el riesgo de cáncer de pulmón para los próximos uno a seis años.
El equipo validó Sybil utilizando tres conjuntos de datos independientes: un conjunto de escaneos de más de 6000 participantes de NLST que Sybil no había visto antes; 8.821 LDCT de EE. UU.; y 12.280 LDCT de Taiwán.
El último conjunto de escaneos incluyó a personas con una variedad de antecedentes de tabaquismo, incluidos aquellos que nunca fumaron, destaca https://www.medimaging.net/.
Los investigadores encontraron que Sybil podía predecir con precisión el riesgo de cáncer de pulmón en estos conjuntos.
Le puede interesar:
Angiotomografía: Conceptos y Aplicaciones
El equipo determinó la precisión de Sybil utilizando el Área bajo la curva (AUC), que mide qué tan bien una prueba distingue entre muestras enfermas y normales y en la que 1.0 se considera una puntuación perfecta.
Sybil pudo predecir el cáncer en un año con AUC de 0,92 para los participantes adicionales del NLST, 0,86 para el conjunto de datos del MGH y 0,94 para el conjunto de datos de Taiwán.
Sybil predijo el cáncer de pulmón dentro de los seis años con AUC de 0,75, 0,81 y 0,80, respectivamente, para los tres conjuntos de datos.
Los investigadores ahora comenzarán un ensayo clínico prospectivo para probar Sybil en el mundo real y ver cómo puede ayudar a los radiólogos.
