Una nueva investigación de Google muestra cómo el aprendizaje automático podría usarse para detectar signos de cáncer de pulmón antes de lo que ocurre a menudo en la actualidad.
Advertencia temprana
Danial Tse, un investigador de Google, desarrolló un algoritmo que superó a varios radiólogos capacitados en las pruebas. Tse y sus colegas entrenaron un algoritmo de aprendizaje profundo para detectar nódulos pulmonares malignos en más de 42,000 tomografías computarizadas. Los algoritmos resultantes obtuvieron un 11% menos de falsos positivos y un 5% menos de falsos negativos que sus homólogos humanos.
Comportamiento Epidemiológico del Cáncer de pulmón en Colombia
Según el documento del investigador de Google, el cáncer de pulmón es la principal causa de muerte en los Estados Unidos, en 2018 la tasa de muertes por esta enfermedad fue más de 160,000. Y aunque las tomografías computarizadas (TC) pueden ser una parte vital de la detección del cáncer, a menudo tampoco son confiables.
Cifras del cáncer en Colombia
Por otra parte, para el caso colombiano los cánceres que causan un mayor número anual de muertes son los de pulmón, hígado, estómago, colon y mama. Los tipos más frecuentes de cáncer son diferentes en el hombre y en la mujer.
El tabaquismo es el factor de riesgo que por sí solo provoca un mayor número de casos y a nivel mundial causa aproximadamente un 22% de las muertes por cáncer y un 71% de las muertes por cáncer de pulmón.
IA podría ayudar en la detección del cáncer de pulmón
El investigador de Google, Tse y sus colegas argumentan que la IA podría ayudar a que la detección del cáncer de pulmón sea más confiable en todo el mundo, aunque reconocen que el trabajo debe validarse en poblaciones de pacientes más grandes. De hecho, existe un interés creciente en utilizar la IA para detectar muchos tipos de cáncer. Los investigadores han demostrado que el aprendizaje de máquina se puede utilizar para detectar tanto el cáncer de mama y cáncer de piel, por ejemplo.
Avances para la detención temprana del Cáncer de pulmón
estos estudios son emocionantes, pero deben tratarse como pequeños avances. Sigue siendo difícil utilizar la IA en la atención médica por razones de privacidad y porque los conjuntos de datos del mundo real rara vez son tan perfectos como los utilizados en estudios de investigación.
También vale la pena señalar que tratar el cáncer implica mucho más que solo detectar la enfermedad en primer lugar. Determinar el curso correcto de tratamiento, por ejemplo, puede depender de una variedad de factores que varían mucho de un paciente a otro, lo que hace que esa parte del proceso sea mucho más difícil de automatizar.
