Inteligencia artificial y detección temprana del cáncer de páncreas

La inteligencia artificial (IA) ya no solo pertenece a la ciencia ficción.

¿Utiliza usted una aplicación de desplazamiento compartido? Está impulsada por IA. ¿Qué hay de los depósitos de cheques por teléfono móvil? También los impulsa la IA. Incluso el filtro de correo no deseado de su correo electrónico utiliza la inteligencia artificial, aunque está claro que a veces la información importante termina en la carpeta de correo no deseado sin ningún motivo aparente.

La verdadera promesa de la IA para las personas con cáncer de páncreas radica en su asombrosa capacidad para digerir y analizar enormes cantidades de datos e identificar patrones que incluso los médicos más capacitados pueden pasar por alto. En conjunto, estos atributos de la IA podrían allanar el camino para la detección temprana de una enfermedad que a menudo se diagnostica demasiado tarde para realizar una cirugía potencialmente curativa. Sin embargo, encontrar formas de aprovechar todo el potencial de la IA requiere habilidades que abarcan medicina, informática, ingeniería, matemáticas, industria, gobierno y más.

Conocer mejor estado actual de la IA y hacia dónde debe ir la ciencia para lograr detección más temprana fue el tema de la Cumbre virtual de IA y detección temprana de cáncer de páncreas, presentada por Kenner Family Research Fund (KFRF) y American Pancreatic Association.

En la cumbre se reunieron expertos en IA para conversar sobre los proyectos y dificultades actuales para la detección temprana. Entre las áreas temáticas estaban los avances, los problemas y las perspectivas de detección temprana, la inteligencia artificial y el aprendizaje automático, las iniciativas actuales en inteligencia artificial y detección temprana, oportunidades de colaboración y perspectivas del gobierno, la industria y los grupos de defensa.

El objetivo de la cumbre fue combinar estas diversas áreas de experiencia para desarrollar un modelo de estratificación del riesgo para la detección temprana del cáncer de páncreas utilizando la inteligencia artificial y el aprendizaje automático, explica Barbara Kenner, Ph.D., fundadora del KFRF y defensora de la Alliance of Pancreatic Cancer Consortia del Instituto Nacional del Cáncer, el Pancreatic Cancer Detection Consortium (patrocinado por los Institutos Nacionales de Salud) y la Iniciativa de Detección Temprana de Pancreatic Cancer Action Network (PanCAN), entre otros.

“Dado que la inteligencia artificial y el aprendizaje automático se aplican con mayor frecuencia en la atención médica, decidimos que era hora de convocar una cumbre que brindara una descripción general del panorama actual de la IA, y queríamos que los expertos en IA involucrados fuera del campo del cáncer de páncreas, como también aquellos involucrados en la detección y el tratamiento del cáncer de páncreas, analizaran la situación y nos ayudaran a comprender qué se necesita para lograr el objetivo de la detección más temprana”, dice Kenner. “La cumbre tuvo bastante éxito en ese sentido, y ahora podemos seguir con los próximos pasos”.

Cómo aprovechar todas las herramientas

Esos próximos pasos son esperados con ansiedad por el médico científico Michael Rosenthal, M.D., Ph.D., radiólogo de diagnóstico en el Dana-Farber Cancer Institute y Brigham and Women’s Hospital, y profesor adjunto de radiología en Harvard Medical School (todas las instituciones se encuentran en Boston, Massachusetts). Rosenthal es especialista en la obtención de imágenes del cáncer gastrointestinal, con concentración en el cáncer de páncreas.

“Soy radiólogo y científico con una visión sesgada de la informática, ya que en eso obtuve mi doctorado”, dice Rosenthal, quien sirvió como codirector del debate sobre “Iniciativas actuales” en la cumbre sobre inteligencia artificial y detección temprana. Rosenthal aclara que no se trata tanto de que el cáncer de páncreas sea un gran objetivo para la IA, “sino que necesitamos todas las herramientas que podamos conseguir para tratar mejor este cáncer”.

“La IA es muy compleja y el cáncer de páncreas es una enfermedad extraordinariamente compleja”, añade.

Es especialmente compleja en relación con la detección temprana. Dado que las anomalías pancreáticas tempranas pueden ser sutiles y algunos de estos tumores crecen rápido, es más difícil detectar cáncer temprano en el páncreas que en otros órganos, dice Rosenthal. Además, los síntomas como la ictericia y la pérdida de peso suelen aparecer una vez que el tumor ha crecido y se ha diseminado.

Debido a estas dificultades, el cáncer de páncreas es el cáncer más difícil de detectar temprano. “Ahí es donde la IA puede entrar en escena”, explica él. “En realidad, necesitamos avanzar en dos áreas. La primera es comprender mejor cómo podemos usar la IA para encontrar características del cáncer de páncreas, y fue muy impresionante ver cómo avanzan los investigadores en esa área. Luego, tenemos que asegurarnos de que estamos utilizando esas herramientas de inteligencia artificial en la población correcta”.

El poder de los algoritmos

Un abordaje es usar el aprendizaje profundo, un área de IA que usa algoritmos para encontrar patrones en enormes cantidades de datos. “Los datos no solo se refieren a números”, aclara Rosenthal. “Dato puede ser cualquier cosa que se ingrese en una computadora para ayudarnos a encontrar esos patrones importantes y posibles tendencias que podrían indicar que algo está sucediendo con un paciente que puede significar desarrollo o diagnóstico temprano del cáncer de páncreas”.

Por ejemplo, en Mayo Clinic los investigadores están creando algoritmos para identificar sistemáticamente a personas con mayor riesgo de cáncer de páncreas, por ejemplo aquellas con antecedentes familiares de la enfermedad. Los científicos de otros centros también buscan mutaciones genéticas, así como diabetes de reciente aparición. En Dana-Farber, un equipo de investigación también está desarrollando modelos de evaluación de riesgos mediante el uso de análisis de aprendizaje profundo de historias clínicas e imágenes recopiladas de conjuntos de datos de poblaciones de pacientes grandes y diversas para identificar a las personas con un alto riesgo de cáncer de páncreas en la población general. Estos modelos de riesgo conducirán a una herramienta práctica que pueda identificar a quienes tienen riesgo elevado de cáncer de páncreas y que deberían inscribirse en programas de detección para la prevención y detección temprana de la enfermedad.

“Estoy muy entusiasmado con la investigación que analiza los factores de riesgo que conducen a una vigilancia más intensiva”, indica Rosenthal. “Los cambios en la composición corporal, los biomarcadores sanguíneos y la diabetes de reciente aparición podrían llevarnos a detectar el cáncer de páncreas antes. Esperamos que los sistemas de inteligencia artificial nos ayuden a recopilar los datos necesarios para que eso suceda”.

Rosenthal prevé que, con suerte en un futuro no muy lejano, las pruebas de rutina y una visita regular al médico puedan ocasionar vigilancia de cáncer de páncreas para algunos pacientes. “Puede ser una leve pérdida de peso o una disminución de la masa muscular y cambios en algunas pruebas de laboratorio”.

“Todo eso considerado por separado podría no dar una señal de alerta, pero cuando se toma en conjunto según un algoritmo, veremos un patrón importante que nos hará prestar mayor atención para ver si algo está sucediendo con el páncreas”.

Cómo interpretar imágenes

Parecería que la IA es especialmente hábil a la hora de interpretar imágenes de cambios sutiles, cambios que son demasiado difíciles de ver incluso para los radiólogos más expertos, al menos al principio. Un subconjunto de técnicas de aprendizaje profundo imita el sistema visual del cerebro humano y es el método más sólido de IA utilizado para interpretar imágenes.

Aprovechar el poder del aprendizaje profundo es otra investigación de IA en Johns Hopkins llamada Proyecto Felix, por la poción que se hizo famosa en los libros de Harry Potter. Beba la poción y el éxito es suyo.

“El aprendizaje profundo imita la manera en que funciona nuestro cerebro”, dice Rosenthal. “Hay capas de algoritmos informáticos, todas las cuales están interconectadas. A medida que una capa obtiene información, la enviará a la siguiente capa. Entonces, la información se sintetiza y condensa de forma gradual. Los algoritmos llegan a conclusiones como lo haríamos nosotros. Analizamos datos continuamente. Por lo tanto, cuantos más datos ce calidad se obtengan, mejor será el análisis”. El objetivo del Proyecto Felix es desarrollar un programa de software para analizar imágenes de tomografías computarizadas y señalar zonas sospechosas.

“Como radiólogo, estoy muy entusiasmado con esto y como parte del equipo debo decir que este grupo, que es tan diverso en términos de habilidades, es absolutamente encantador”, agrega Rosenthal. “Podrían ser los primeros en llevar esto al entorno clínico”.

Los siguientes pasos

“Lo que quedó claro en la cumbre fue que la IA podría resultar útil en una amplia gama de investigaciones de detección temprana, incluida la de biomarcadores sanguíneos, análisis genético y el microbioma tumoral, entre otros”, dice Rosenthal.

Según el KFRF, un exhaustivo artículo previo a la cumbre que proporciona una descripción general de los esfuerzos actuales en el campo, un análisis de las carencias e ideas para la innovación y la oportunidad, junto con un informe que describe las conversaciones de la cumbre y los siguientes pasos ayudará en el desarrollo de un plan estratégico factible, la implementación de estándares operativos, prioridades de investigación e iniciativas de primera fase.

“El cáncer de páncreas es una enfermedad horrible y me enoja bastante”, dice Rosenthal. “En este momento, no hay muchas opciones de cura, por lo que necesitamos una detección más temprana porque esa es la mejor oportunidad para el paciente”.

“Es una enfermedad con la que tenemos que seguir trabajando. Y la IA es una de esas herramientas que puede ayudarnos con eso. Lo que quedó claro en la cumbre es que todos estamos y seguiremos estando comprometidos con encontrar maneras de detectar esta enfermedad de forma precoz, lo suficientemente temprano para marcar la diferencia”.