Esta nueva herramienta predice el riesgo de sufrir cáncer de pulmón hasta seis años antes de que aparezca

A veces llamado el 'emperador de los cánceres', el de pulmón es el tipo de tumor que más muertes causa en todo el mundo. Las personas con mayor riesgo son, entre los 50 y los 80 años de edad, las que fuman en la actualidad o tienen una historia significativa de haberlo hecho en el pasado.

En la actualidad, el principal método de cribado para estos pacientes consiste en una prueba de imagen que se llama tomografía computarizada de dosis baja. Los programas basados en esta estrategia han demostrado reducir las muertes hasta en un 24%; pero, a medida que las tasas de cáncer de pulmón aumentan entre los no fumadores, son necesarias nuevas técnicas que permitan extender los cribados a poblaciones más amplias.

Una única tomografía

Por ello, investigadores de la Escuela Médica de la Universidad de Harvard (Estados Unidos), en colaboración con otros del Instituto Tecnológico de Massachussets (MIT) han desarrollado una herramienta de inteligencia artificial llamada Sybil capaz de predecir con precisión el riesgo de padecer cáncer de pulmón en el plazo de uno a seis años de personas con y sin una historia significativa como fumadores.

Dos fármacos usados en el cáncer de pulmón podrían emplearse también para el cáncer de páncreas, según una investigación

Según detallan en la revista académica Journal of Clinical Oncology, Sybil logra hacer esto en base a análisis de tomografías computarizadas de dosis bajas realizadas a pacientes en los Estados Unidos y en Taiwán obtenidas de un ensayo de cribado previo. 

A partir de estos datos incorporados, la herramienta después es capaz de predecir con gran precisión el riesgo de un paciente tan sólo introduciendo una tomografía del mismo.

Detectar a pacientes ocultos

Este desempeño, dicen, ha sido validado empleando tres sets de datos independientes, que en total suman más de 27.000 pacientes diferentes tanto con antecedentes de tabaquismo como sin ellos.

Hallan el punto débil del cáncer de páncreas

Gracias a ello, los autores del trabajo esperan que Sybil pueda servir para detectar la enfermedad de manera precoz en estratos demográficos que, de otra manera, hubieran escapado a los programas actuales de cribado y habrían desarrollado una enfermedad avanzada, a menudo ya intratable.

Aún así, se trata de un estudio retrospectivo (realizado sobre datos pasados), por lo que es importante destacar que para que Sybil pueda aprobarse definitivamente para entrar en uso clínico será necesario corroborar estos resultados en estudios prospectivos (con un seguimiento de pacientes a través del tiempo).

Referencias

Peter G. Mikhael, Jeremy Wohlwend, Adam Yala, Ludvig Karstens, Justin Xiang, Angelo K. Takigami et al. Sybil: a Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography. Journal of Clinical Oncology (2023). DOI: 10.1200/JCO.22.01345