La inteligencia artificial puede predecir la supervivencia de pacientes con cáncer colorrectal con hasta un 80% de precisión
Un estudio publicado en Scientific Reports indica que los algoritmos basados en aprendizaje automático pueden ayudar en la formulación de protocolos de tratamiento y planificación de servicios de salud
Julia Moióli | Agência FAPESP – Un estudio publicado en la revista Scientific Reports demuestra que modelos basados en inteligencia artificial (IA) son capaces de predecir las tasas de muerte y supervivencia de pacientes con cáncer colorrectal con casi un 80% de precisión. Según los autores, los resultados indican que estas herramientas pueden ser útiles para planificar y evaluar los servicios de salud, así como para orientar protocolos de derivación.
Los tumores colorrectales son uno de los tipos de cáncer más comunes en el mundo, con casi 2 millones de casos nuevos al año y una tendencia creciente en este número. En Brasil, datos del Instituto Nacional del Cáncer (Inca) indican la aparición de 44 mil nuevos casos anualmente, el 70% en las regiones Sudeste y Sur.
Las técnicas de aprendizaje automático basadas en inteligencia artificial se han utilizado cada vez más para predecir las tasas de mortalidad y supervivencia debido a su capacidad de mejorar automáticamente, sin necesidad de programación constante, a diferencia de los modelos estadísticos utilizados en estudios epidemiológicos que, a medida que la realidad cambia, se vuelven obsoletos y menos preciso.
El estudio, apoyado por la FAPESP en el marco del proyecto “Control del Cáncer en el Estado de São Paulo (ConeCta-SP): del conocimiento a la acción”, que diseña estrategias para controlar la enfermedad en un corto espacio de tiempo, fue uno de los el primero en realizar predicciones de supervivencia de pacientes con cáncer a partir de una gran base de datos utilizando IA y verificar la validez de esos modelos en Brasil. En el trabajo participaron grupos de la Fundación Oncocentro del Estado de São Paulo (Fosp), la Facultad de Salud Pública de la Universidad de São Paulo (FSP-USP), el Hospital AC Camargo y el Instituto Tecnológico de Mauá (IMT).
Adenocarcinoma invasivo, o tipo más comum de cáncer colorretal
(imagen: Nephron/Wikimedia Commons)
Las informaciones no identificadas sobre el nivel socioeconómico, las características clínicas y asistenciales y la supervivencia de 31.916 pacientes con cáncer colorrectal atendidos en más de 70 hospitales del Estado de São Paulo entre 2000 y 2021 pertenecen al Registro Hospitalario de Cáncer del Estado de São Paulo (RHC – SP), gestionado por Fosp.
Los investigadores evaluaron y compararon la validez de predicción de tres algoritmos de IA: Random Forest, Naive Bayes y XGBoost. Este último presentó el mejor resultado, prediciendo correctamente el 77% de las muertes y el 77% de la supervivencia (a uno, tres y cinco años desde el diagnóstico del tumor).
“El desempeño de los tres modelos mostró una tasa de éxito de entre 76% y 77%”, dice Lucas Buk Cardoso, investigador del Centro de Sistemas Electrónicos Embebidos (NSEE) del Instituto Mauá de Tecnología y primer autor del estudio. “Además, fue posible obtener los datos más importantes de los pacientes para realizar predicciones –colocados como insumos para la IA–, permitiendo una mejor comprensión del tamaño del impacto de esta información y su validación con el conocimiento ya difundido en el área”.
El dato más importante en todos los modelos fue la estadificación clínica del cáncer, que contiene información sobre el grado de la enfermedad: cuanto más avanzado está, más decisivo es para predecir la muerte. Otros datos importantes estuvieron relacionados con el tratamiento realizado, como cirugía, radioterapia y quimioterapia, además de la presencia de recurrencia, indicando si el cáncer regresó o no, la edad del paciente y el año de diagnóstico de la enfermedad.
Las variables que mejor predijeron la supervivencia en XGBoost fueron el estadio clínico, la cirugía realizada, el tratamiento hospitalario, la edad y el año de diagnóstico.
Avances prácticos y metodológicos
Según los autores, el estudio tiene el potencial de ser el primero de muchos que permitirán simular escenarios e impactos en la supervivencia de los pacientes con cáncer. Con la información obtenida se podrán tomar mejores decisiones clínicas y de gestión en salud pública.
“Ese tipo de evaluación puede indicar modelos que servirán como instrumentos para la toma de decisiones de los gestores en momentos de potencial disrupción en los servicios de salud, como ocurre en pandemias, por ejemplo”, explica Tatiana Toporcov, profesora de la FSP-USP y coautora del artículo.
Vanderlei Cunha Parro , profesor del Instituto Tecnológico de Mauá, también destaca la naturaleza de evaluar los límites entre los métodos estadísticos y los que utilizan el aprendizaje automático. «Una investigación de este tipo también puede dar lugar a una revisión metodológica, en la que se incluirán nuevos datos y se excluirán otros».
El artículo Aprendizaje automático para predecir la supervivencia de pacientes con cáncer colorrectal se puede leer en: www.nature.com/articles/s41598-023-35649-9
FAPESP