En un reciente avance en el manejo de pacientes con cáncer la Inteligencia Artificial (IA) demuestra su potencial para mejorar la detección de eventos adversos relacionados con el sistema inmunológico. Investigadores del Mass General Brigham han logrado desarrollar una herramienta basada en un modelo de lenguaje grande (LLM) que supera los métodos tradicionales, ofreciendo una detección más precisa y rápida de efectos secundarios graves inducidos por inhibidores de puntos de control inmunitario (ICI).
Desafío de los eventos adversos relacionados con el sistema inmunológico
Los inhibidores de los puntos de control inmunitario (ICI) son terapias innovadoras que han salvado innumerables vidas al potenciar el sistema inmunológico para combatir el cáncer. Sin embargo, estos tratamientos también pueden desencadenar eventos adversos relacionados con el sistema inmunológico (irAE), efectos secundarios que afectan múltiples órganos, desde la piel hasta el corazón. Estos eventos pueden ser tan graves que muchos pacientes requieren hospitalización, y la falta de un método eficiente para detectarlos ha sido un reto en la medicina oncológica.
Hasta ahora, los enfoques para investigar estos eventos adversos se basaban en la manualidad e ineficiencia, con una dependencia excesiva en los códigos de la Clasificación Internacional de Enfermedades (CIE). Estos códigos han demostrado limitaciones al no detectar todos los casos de irAE, lo que dificulta que los médicos optimicen el tratamiento y manejo de estos pacientes. La falta de uniformidad en la recopilación de datos entre diferentes instituciones también ha sido un obstáculo para la colaboración en la investigación de este fenómeno.
Nuevo enfoque con IA
Para abordar este desafío, los investigadores del Mass General Brigham han integrado el uso de un modelo de lenguaje grande (LLM) diseñado específicamente para identificar instancias de irAE en entornos hospitalarios. Este avance supone una mejora significativa frente a los códigos ICD utilizados tradicionalmente, ya que el LLM puede detectar eventos adversos graves como colitis, hepatitis, neumonitis y miocarditis, todos inducidos por ICI, con una mayor precisión.
Según el Dr. Kerry Reynolds, director del Programa de Complicaciones Graves de Inmunoterapia en el Mass General Cancer Center, el LLM no solo mostró una precisión superior, sino que también identificó casos que no fueron detectados mediante los métodos manuales tradicionales. “El modelo demostró sensibilidades y especificidades superiores al 90% en la detección de estos eventos adversos, con una excelente rapidez, procesando cada gráfico en menos de 10 segundos”, afirmó Reynolds.
Impacto y potencial colaborativo
Un aspecto revolucionario de este nuevo modelo es su carácter de código abierto, lo que permite que cualquier institución médica pueda acceder a esta tecnología y crear bases de datos similares. Este enfoque inclusivo tiene el potencial de romper barreras, permitiendo a hospitales más pequeños y comunitarios participar activamente en la investigación y gestión de eventos adversos, algo que anteriormente estaba limitado a grandes centros académicos.
Además, el LLM no requiere grandes recursos computacionales, lo que facilita su implementación en entornos hospitalarios con infraestructura tecnológica limitada. Este desarrollo podría transformar la forma en que los eventos adversos relacionados con la inmunoterapia se detectan y tratan en todo el mundo, impulsando una colaboración sin precedentes entre instituciones de diversos tamaños.
