10 MILLONES DE VETERANOS
OMG! Investigadores de Michigan Medicine recurrieron a la IA para crear una herramienta predictiva llamada K-ECAN, capaz de identificar el cáncer de esófago y estómago tres años antes del diagnóstico. Para saber más sobre cómo esta innovadora tecnología r
¿CÓMO SE LE OCURRIÓ LA IDEA
ADENOCARCINOMA DE ESÓFAGO
SU INVESTIGACIÓN SE HA CEN TRADO
ESTADOUNIDENSES. ¿CÓMO CONTRIBUYE ESTE CONJUNTO DE DATOS A LA PRECISIÓN DE
JOEL RUBENSTEIN, profesor de medicina interna en Michigan Medicine, EE.UU.
Dmitry Belyaev,
DE DESARROLLAR LA HERRAMIENTA DE PREDICCIÓN DEL Y DE CARDIAS KETTLES?
- El número de casos de adenocarcinoma de esófago aumentó drásticamente en un periodo de unas 5 décadas hasta convertirse en la forma más común de cáncer de esófago en los países occidentales. Anteriormente habíamos desarrollado y validado la herramienta de predicción del esófago de Michigan Barrett (Michigan Barrett’s Esophagus pREdiction Tool, M-BERET) para identificar a los pacientes con mayor riesgo de padecer la afección premaligna asociada y remitirlos a cribado (estrategia aplicada sobre una población para detectar una enfermedad en individuos sin signos o síntomas – N. del Ed). Sin embargo, los profesionales no la utilizan con frecuencia porque requiere medir el perímetro de cintura y cadera y tienen que acordarse de mirar el calculador en Internet. Pensamos que un método automatizado que utilizara los historiales médicos electrónicos sería más fácil de usar, y que el aprendizaje automático podría hacerlo aún más preciso.
¿PUEDE EXPLICAR DE FORMA SENCILLA CÓMO EL K-ECAN UTILIZA LA INTELIGENCIA ARTIFICIAL PARA PREDECIR EL CÁNCER TRES AÑOS ANTES DEL DIAGNÓSTICO?
- El K-ECAN sólo utiliza datos de historias clínicas electrónicas como la edad, el sexo, el peso, los códigos de facturación para el diagnóstico de la enfermedad por reflujo gastroesofágico, las recetas de medicamentos para reducir la acidez y los resultados de pruebas de laboratorio rutinarias como hemogramas y electrolitos. Utilizamos una forma de inteligencia artificial llamada aprendizaje automático por refuerzo de gradiente extremo. Aparte de factores como la edad y el sexo, K-ECAN descubrió que parte de la información más útil se encontraba en alte- La prevención del cáncer dependería del umbral de riesgo utilizado para activar el cribado. Aún no se sabe cuál es el mejor umbral para equilibrar los costes y los beneficios del cribado. Sugerimos un umbral basado simplemente en la comparación del riesgo de muerte por cáncer colorrectal en estadounidenses de 50 años, para los que se recomienda el cribado. Si utilizáramos esa puntuación umbral, el K-ECAN identificaría al 38 % de las personas destinadas a desarrollar adenocarcinomas de esófago y cardias y requeriría el cribado del 7 % de la población general.
SANITARIOS INTEGREN
¿QUÉ PASOS HAY QUE DAR PARA