Los científicos de Google y Northwestern Medicine muestran la precisión de un nuevo sistema de aprendizaje profundo para predecir la enfermedad en el pulmón.
Foto: elmedicointeractivo.com
El aprendizaje profundo, una forma de inteligencia artificial, fue capaz de detectar nódulos pulmonares malignos en tomografías computarizadas de tórax (LDCT, por sus siglas en inglés) con una reunión de rendimiento o superior a la de radiólogos expertos, según un nuevo estudio conjunto de Google y Northwestern Medicine.
Este sistema de aprendizaje profundo proporciona un sistema automatizado de evaluación de imágenes para mejorar la precisión del diagnóstico temprano de cáncer de pulmón que podría conducir a un tratamiento más temprano.
También produjo menos “falsos positivos” y “menos falsos negativos”, lo que podría llevar a menos procedimientos de seguimiento innecesarios y menos tumores perdidos, si se utilizara en un entorno clínico.
El artículo fue publicado en Nature Medicine el 20 de mayo. "Los radiólogos generalmente examinan cientos de imágenes bidimensionales o 'cortes' en una sola tomografía computarizada, pero este nuevo sistema de aprendizaje automático visualiza los pulmones en una imagen tridimensional única y enorme", dijo el coautor del estudio, Mozziyar Etemadi, profesor asistente de investigación de anestesiología en la Facultad de Medicina Feinberg de la Universidad Northwestern y de ingeniería en la Escuela de Ingeniería McCormick.
La real importancia del descubrimiento radica en que el cáncer de pulmón tiene la tasa más alta de mortalidad entre todos los cánceres y hay muchos desafíos en cuanto a la adopción generalizada de la detección de la enfermedad. el trabajo examina las formas en que se puede utilizar la inteligencia artificial para mejorar la precisión y optimizar el proceso de selección, de manera que pueda ayudar con la implementación de los programas de detección. Los resultados son prometedores y esperamos continuar nuestro trabajo con socios y colegas ".
El cáncer de pulmón es la causa más común de muerte relacionada con el cáncer en los Estados Unidos, lo que da como resultado un estimado de 160.000 muertes en 2018. Grandes ensayos clínicos en los Estados Unidos y Europa han demostrado que las pruebas de detección de tórax pueden identificar el cáncer y reducir las tasas de mortalidad. Sin embargo, las altas tasas de error y el acceso limitado a estas pruebas de detección significan que muchos cánceres de pulmón generalmente se detectan en etapas avanzadas, cuando son difíciles de tratar.
Los científicos de Google desarrollaron el modelo de aprendizaje profundo y lo aplicaron a 2.763 conjuntos de tomografías computarizadas sin identificación proporcionados por Northwestern Medicine para validar la precisión de su nuevo sistema.
