Un sistema llamado REDMOD identificó alteraciones imperceptibles en tomografías que habían pasado inadvertidas para radiólogos experimentados. La tecnología alcanzó una sensibilidad del 73%, frente al 39% de los especialistas, aunque todavía necesita validación clínica antes de su uso habitual.
El diagnóstico temprano del cáncer de páncreas es uno de los mayores desafíos de la medicina. La enfermedad suele detectarse cuando ya se encuentra avanzada, en parte porque sus primeras manifestaciones son difíciles de reconocer mediante los estudios convencionales. Una investigación publicada en la revista científica Gut presenta una alternativa basada en inteligencia artificial que podría modificar ese escenario.
El sistema, denominado REDMOD (Radiomics-based Early Detection Model), consiguió identificar señales de cáncer de páncreas en tomografías computarizadas (TC) realizadas, en promedio, 475 días antes del diagnóstico clínico. Lo relevante es que esas alteraciones no habían sido detectadas durante las evaluaciones radiológicas habituales.
La investigación se concentró en el adenocarcinoma ductal pancreático, el tipo más frecuente de cáncer de páncreas. Los científicos consideran que reconocer sus primeras señales podría permitir intervenciones cuando la enfermedad todavía se encuentra en una etapa muy temprana, incluso antes de que sea visible mediante los métodos convencionales.
Cómo funciona REDMOD y qué encontró la investigación
La tecnología utiliza un enfoque conocido como radiómica, que consiste en analizar patrones extremadamente sutiles en la textura de los tejidos. En lugar de limitarse a identificar anomalías visibles en una imagen, REDMOD procesa características que pueden pasar inadvertidas para el ojo humano.
Además, el sistema identifica y delimita automáticamente el páncreas, separándolo de los órganos y tejidos cercanos. Esta automatización evita que los especialistas deban marcar manualmente los límites del órgano y reduce las diferencias que pueden aparecer entre evaluaciones realizadas por distintos profesionales.
Para evaluar su desempeño, los investigadores analizaron tomografías abdominales de 219 pacientes atendidos en distintos hospitales. En el momento en que se realizaron esos estudios, los radiólogos no habían encontrado indicios de cáncer. Sin embargo, todos esos pacientes fueron diagnosticados posteriormente con la enfermedad.
Los estudios se habían realizado en diferentes momentos antes del diagnóstico: 87 pacientes, equivalentes al 40%, habían sido examinados entre tres y 12 meses antes; otros 76 (35%), entre 12 y 24 meses; y los 56 restantes (25%), más de 24 meses antes, con un intervalo de hasta aproximadamente tres años.
En casi dos tercios de los casos (64%), el cáncer se desarrolló en la cabeza del páncreas.
Los resultados se compararon con tomografías de otras 1.243 personas que permanecieron libres de cáncer de páncreas durante un período de hasta tres años. Ambos grupos fueron emparejados según edad, sexo y fechas de los estudios. La edad promedio de los pacientes que posteriormente desarrollaron la enfermedad era de 69 años, mientras que en el grupo de comparación era de 64 años. En ambos grupos, las edades oscilaron entre los 34 y los 88 años.
Una sensibilidad casi dos veces superior a la de los radiólogos
Uno de los resultados más destacados fue la diferencia entre el desempeño de REDMOD y el de los especialistas. La inteligencia artificial alcanzó una sensibilidad del 73%, frente al 39% registrado por los radiólogos experimentados.
La sensibilidad mide la capacidad de una herramienta diagnóstica para identificar correctamente a las personas que tienen una enfermedad, evitando que casos reales pasen inadvertidos.
La diferencia fue todavía mayor cuando se analizaron las imágenes obtenidas más de dos años antes del diagnóstico. En ese grupo, REDMOD consiguió una tasa de detección del 68%, mientras que los radiólogos alcanzaron el 23%.
Los investigadores también evaluaron la capacidad del sistema para reconocer imágenes de personas sin cáncer. En un grupo independiente de 539 pacientes de distintos hospitales, REDMOD clasificó correctamente como libres de la enfermedad a algo más del 81% de los casos.
En otra evaluación, realizada sobre el conjunto de datos público NIH-PCT de los Institutos Nacionales de Salud de Estados Unidos (NIH), que incluía 80 personas, identificó correctamente el 87,5% de las imágenes sin cáncer.
La consistencia de los resultados también fue objeto de análisis. Cuando se compararon tomografías de los mismos pacientes realizadas con varios meses de diferencia, el sistema produjo resultados coincidentes en entre el 90% y el 92% de los casos.
Para los investigadores, detectar la enfermedad con tanta anticipación podría tener consecuencias importantes. En el estudio se señala que los modelos estadísticos indican que elevar del 10% al 50% la proporción de carcinomas ductales pancreáticos localizados podría más que duplicar las tasas de supervivencia.
El desafío: validar la tecnología antes de llevarla a los hospitales
A pesar de los resultados, REDMOD todavía no está listo para incorporarse de manera rutinaria a la práctica médica. Los propios investigadores advierten que el estudio presenta limitaciones, entre ellas la falta de una representación suficientemente diversa de grupos étnicos, un factor que podría influir en el rendimiento del sistema en distintas poblaciones.
El siguiente paso será realizar estudios prospectivos, especialmente en personas con mayor riesgo de desarrollar cáncer de páncreas. Entre los grupos que los investigadores consideran relevantes aparecen quienes experimentan una pérdida de peso inexplicable o reciben un diagnóstico reciente de diabetes.
La validación en esos pacientes permitirá determinar si la tecnología puede identificar señales tempranas en condiciones reales de atención médica y si sus resultados se traducen en beneficios clínicos concretos.
Los autores sostienen que el trabajo valida a REDMOD como un sistema de inteligencia artificial completamente automatizado, capaz de reconocer señales de adenocarcinoma ductal pancreático en estadio 0 en un páncreas aparentemente normal, con una anticipación considerable y un desempeño superior al de radiólogos expertos.
El objetivo es cambiar el enfoque de una enfermedad que habitualmente se diagnostica cuando ya presenta síntomas y se encuentra avanzada. Si futuras investigaciones confirman su utilidad, la inteligencia artificial podría convertirse en una herramienta para anticipar el diagnóstico y ampliar las oportunidades de tratamiento de uno de los cánceres más difíciles de detectar.
