Un estudio con más de 463,000 participantes destaca el potencial de los análisis de sangre.
Cerca de 500 modelos de aprendizaje automático lograron identificar patrones asociados al riesgo de desarrollar 20 tipos de cáncer, a partir de datos médicos rutinarios de 463,620 participantes, según un estudio internacional presentado en el Congreso de la Sociedad Europea de Oncología Médica (ESMO).
La investigación utilizó información del Biobanco del Reino Unido (UK Biobank) y realizó un seguimiento de aproximadamente 18 años. Durante ese período, 57,055 participantes desarrollaron cáncer. Los modelos analizaron antecedentes clínicos, resultados de análisis de sangre, factores relacionados con el estilo de vida y datos genéticos y metabolómicos.
Los investigadores también evaluaron su rendimiento con datos de participantes de Escocia y Gales, 42,036 personas del programa estadounidense All of Us y más de tres millones de individuos de la base de datos japonesa JMDC.
Operativo deja 334 detenidos y decomisa 7,4 toneladas de cocaína en 26 países
Modelos con resultados prometedores
Los sistemas superaron a los métodos estadísticos tradicionales, aunque su capacidad predictiva varió según el tipo de cáncer. Para un resultado combinado de determinados tumores, alcanzaron un área bajo la curva ROC (AUROC) de 0.83 a 15 años, una medida de su capacidad para distinguir entre distintos niveles de riesgo.
Los resultados fueron más prometedores para los cánceres de pulmón, esófago e hígado. En cambio, la capacidad predictiva fue más limitada para los tumores de ovario, mama y cuello uterino.
Los análisis de sangre rutinarios y los antecedentes médicos aportaron gran parte de la información predictiva. Incluso los resultados sanguíneos conservaron valor para los casos diagnosticados más de cinco años después, mientras que los datos genéticos y metabolómicos mejoraron el rendimiento solo ligeramente.
Abinader felicita a Lula tras su reelección y aboga por integración regional
Prevención y detección temprana
El equipo también desarrolló PRE-Screen, una herramienta diseñada para que agentes de inteligencia artificial basados en grandes modelos de lenguaje ejecuten las predicciones de forma sistemática. Los agentes que utilizaron esta herramienta obtuvieron resultados considerablemente mejores que aquellos que prescindieron de ella.
El autor principal, Paul-Henry Koop, del Centro Else Kröner Fresenius de Salud Digital de la Universidad Técnica de Dresde, señaló que estos modelos podrían servir como herramientas de precribado de bajo coste, utilizando información que ya se recopila en la práctica clínica.
Por su parte, Marco Lorenzi, director de investigación en Inria Sophia Antipolis, de la Universidad Costa Azul, advirtió que se necesitan más estudios para confirmar la fiabilidad de los modelos, evaluar su aplicación en otras poblaciones e identificar posibles sesgos.
Los autores consideran que esta tecnología podría ayudar a orientar programas de prevención y detección temprana. Sin embargo, los resultados todavía requieren validación adicional y no significan que los modelos puedan diagnosticar cáncer ni sustituir los métodos de cribado establecidos. Con datos de Europa Press.
Fuente: Inteligencia artificial podría predecir el riesgo de desarrollar 20 tipos de cáncer se publicó en diariodigital.com.do
