La IA predice el futuro del cáncer de páncreas

Los resultados, publicados el 8 de mayo en Nature Medicine, sugieren que el cribado poblacional basado en IA podría ser útil para detectar a las personas con mayor riesgo de padecer la enfermedad y acelerar el diagnóstico de una dolencia que con demasiada frecuencia se detecta en fases avanzadas, cuando el tratamiento es menos eficaz y los resultados son desalentadores, señalan los investigadores. El cáncer de páncreas es uno de los más mortíferos del mundo, y se prevé que su número aumente.

En la actualidad no existen herramientas de cribado poblacional del cáncer de páncreas. Las personas con antecedentes familiares y determinadas mutaciones genéticas que predisponen al cáncer de páncreas se someten a cribados específicos. Sin embargo, según los investigadores, estos cribados selectivos pueden pasar por alto otros casos que quedan fuera de esas categorías.

"Una de las decisiones más importantes a las que se enfrentan los médicos en su día a día es saber quién tiene un riesgo elevado de padecer una enfermedad y quién se beneficiaría de más pruebas, lo que también puede implicar procedimientos más invasivos y costosos que conllevan sus propios riesgos", afirma Chris Sander, coinvestigador principal del estudio y miembro de la facultad del Departamento de Biología de Sistemas del Instituto Blavatnik del HMS. "Una herramienta de IA que pueda centrarse en las personas con mayor riesgo de cáncer de páncreas que más se beneficiarían de pruebas adicionales podría contribuir en gran medida a mejorar la toma de decisiones clínicas".

Aplicado a escala, añadió Sander, este enfoque podría acelerar la detección del cáncer de páncreas, conducir a un tratamiento más temprano y mejorar los resultados y prolongar la vida de los pacientes.

Søren Brunak, coinvestigador del estudio, profesor de Biología de Sistemas de Enfermedades y director de investigación del Centro de Investigación de Proteínas de la Fundación Novo Nordisk de la Universidad de Copenhague, afirma: "Muchos tipos de cáncer, sobre todo los difíciles de identificar y tratar precozmente, tienen un coste desproporcionado para los pacientes, las familias y el sistema sanitario en su conjunto". "El cribado basado en IA es una oportunidad para alterar la trayectoria del cáncer de páncreas, una enfermedad agresiva que es notoriamente difícil de diagnosticar precozmente y tratar con prontitud, cuando las posibilidades de éxito son mayores."

En el nuevo estudio, el algoritmo de IA se entrenó con dos conjuntos de datos separados que sumaban un total de 9 millones de registros de pacientes de Dinamarca y Estados Unidos. Los investigadores "pidieron" al modelo de IA que buscara signos reveladores a partir de los datos contenidos en los registros. A partir de combinaciones de códigos de enfermedad y del momento en que se producen, el modelo pudo predecir qué pacientes tienen más probabilidades de desarrollar cáncer de páncreas en el futuro. Cabe destacar que muchos de los síntomas y códigos de enfermedad no estaban directamente relacionados con el páncreas ni se derivaban de él.

Los investigadores probaron distintas versiones de los modelos de IA para determinar su capacidad de detectar a personas con un riesgo elevado de desarrollar la enfermedad en distintos plazos: 6 meses, un año, dos años y tres años. En general, cada una de las versiones del algoritmo de inteligencia artificial fue sustancialmente más precisa a la hora de predecir quiénes desarrollarían cáncer de páncreas que las estimaciones actuales de incidencia de la enfermedad en toda la población, definida como la frecuencia con la que se desarrolla una afección en una población durante un periodo de tiempo específico. Los investigadores creen que el modelo es al menos tan preciso para predecir la aparición de la enfermedad como las actuales pruebas de secuenciación genética, que normalmente sólo están disponibles para un pequeño subconjunto de pacientes en conjuntos de datos.

El "órgano enfadado"

El cribado de ciertos cánceres comunes, como los de mama, cuello de útero y próstata, se basa en técnicas relativamente sencillas y muy eficaces: una mamografía, una citología vaginal y un análisis de sangre, respectivamente. Estos métodos de cribado han transformado los resultados de estas enfermedades al garantizar la detección precoz y la intervención durante las fases más tratables.

En comparación, el cáncer de páncreas es más difícil y costoso de detectar. Los médicos se fijan principalmente en los antecedentes familiares y la presencia de mutaciones genéticas, que, aunque son indicadores importantes de riesgo futuro, suelen pasar por alto a muchos pacientes. Una ventaja particular de la herramienta de IA es que podría utilizarse en todos y cada uno de los pacientes de los que se disponga de registros sanitarios e historial médico, no sólo en aquellos con antecedentes familiares conocidos o predisposición genética a la enfermedad. Esto es especialmente importante, añaden los investigadores, porque muchos pacientes de alto riesgo pueden incluso desconocer su predisposición genética o sus antecedentes familiares.

En ausencia de síntomas y sin un indicio claro de que una persona tiene un riesgo elevado de padecer cáncer de páncreas, es comprensible que los médicos se muestren cautelosos a la hora de recomendar pruebas más sofisticadas y costosas, como la tomografía computarizada, la resonancia magnética o la ecografía endoscópica. Cuando se utilizan estas pruebas y se descubren lesiones sospechosas, el paciente debe someterse a un procedimiento para obtener una biopsia. Situado en el interior del abdomen, el órgano es de difícil acceso y fácil de provocar e inflamar. Su irritabilidad le ha valido el apodo de "el órgano enfadado".

Una herramienta de IA que identifique a las personas con mayor riesgo de cáncer de páncreas garantizaría que los médicos realicen las pruebas a la población adecuada, al tiempo que evitaría a otros pruebas innecesarias y procedimientos adicionales, señalan los investigadores.

Alrededor del 44% de las personas diagnosticadas en las primeras fases del cáncer de páncreas sobreviven cinco años después del diagnóstico, pero sólo el 12% de los casos se diagnostican tan pronto. Los investigadores calculan que la tasa de supervivencia desciende a entre el 2 y el 9 por ciento en aquellos cuyos tumores han crecido más allá de su lugar de origen.

"Esa baja tasa de supervivencia se da a pesar de los notables avances en técnicas quirúrgicas, quimioterapia e inmunoterapia", explica Sander. "Así pues, además de tratamientos sofisticados, existe una clara necesidad de mejores cribados, pruebas más específicas y diagnósticos más tempranos, y aquí es donde entra en juego el enfoque basado en la IA como primer paso crítico en este continuo".

Los diagnósticos previos presagian riesgos futuros

Para el estudio actual, los investigadores diseñaron varias versiones del modelo de IA y las entrenaron con los historiales médicos de 6,2 millones de pacientes del sistema nacional de salud de Dinamarca a lo largo de 41 años. De esos pacientes, 23.985 desarrollaron cáncer de páncreas a lo largo del tiempo. Durante el entrenamiento, el algoritmo discernió patrones indicativos del riesgo futuro de cáncer de páncreas basándose en las trayectorias de la enfermedad, es decir, si el paciente padecía determinadas afecciones que se producían en una secuencia determinada a lo largo del tiempo.

Por ejemplo, diagnósticos como cálculos biliares, anemia, diabetes de tipo 2 y otros problemas gastrointestinales auguraban un mayor riesgo de cáncer de páncreas en los tres años siguientes a la evaluación. Y lo que es menos sorprendente, la inflamación del páncreas pronosticaba con fuerza un futuro cáncer de páncreas en un plazo aún más breve, de dos años. Los investigadores advierten de que ninguno de estos diagnósticos por sí solo debe considerarse indicativo o causante de un futuro cáncer de páncreas. Sin embargo, el patrón y la secuencia en que se producen a lo largo del tiempo ofrecen pistas para un modelo de vigilancia basado en IA y podrían incitar a los médicos a vigilar más de cerca a las personas con riesgo elevado o a realizar las pruebas pertinentes.

A continuación, los investigadores probaron el algoritmo con mejores resultados en un conjunto completamente nuevo de registros de pacientes con el que no se había encontrado antes: un conjunto de datos de la Administración de Salud de Veteranos de EE.UU. de casi 3 millones de registros que abarcaban 21 años y contenían 3.864 personas diagnosticadas de cáncer de páncreas. La precisión predictiva de la herramienta fue algo menor en el conjunto de datos estadounidense. Lo más probable es que esto se debiera a que el conjunto de datos de EE.UU. se recopiló durante menos tiempo y contenía perfiles de población de pacientes algo diferentes: toda la población de Dinamarca en el conjunto de datos danés frente al personal militar actual y antiguo en el conjunto de datos de Veterans' Affairs. Cuando se volvió a entrenar el algoritmo a partir del conjunto de datos estadounidense, su precisión predictiva mejoró. Según los investigadores, esto subraya dos puntos importantes: En primer lugar, garantizar que los modelos de IA se entrenen con datos ricos y de alta calidad. En segundo lugar, la necesidad de acceder a grandes conjuntos de datos representativos de historiales clínicos agregados a escala nacional e internacional. A falta de tales modelos válidos a escala mundial, los modelos de IA deben entrenarse con datos sanitarios locales para garantizar que su entrenamiento refleje la idiosincrasia de las poblaciones locales.