La inteligencia artificial se muestra útil para predecir el riesgo de cáncer de tiroides (JAMA Otolaryngol Head Neck Surg)


  • Noticias Médicas
El acceso al contenido completo es sólo para profesionales sanitarios registrados. El acceso al contenido completo es sólo para profesionales sanitarios registrados.

Un nuevo estudio del Sidney Kimmel Cancer Center-Jefferson Health (Estados Unidos) ha investigado si un método no invasivo de imágenes ecográficas, combinado con un algoritmo de aprendizaje automático de la plataforma Google, podría usarse como una primera pantalla rápida y económica para conocer e riesgo de cáncer de tiroides, según publican en JAMA-Otolaryngology - Head & Neck Surgery.

"Actualmente, la ecografía puede decirnos si un nódulo parece sospechoso, y luego se toma la decisión de realizar una biopsia con aguja o no -explica Elizabeth Cottril, líder clínica del estudio-. Pero las biopsias con aguja fina solo actúan como una mirilla, no nos dan la imagen completa. Como resultado, algunas biopsias arrojan resultados no concluyentes sobre si el nódulo puede ser maligno o canceroso".

Si el examen de las células de una biopsia con aguja no es concluyente, la muestra se puede analizar más a través de diagnósticos moleculares para determinar el riesgo de malignidad. Estas pruebas buscan la presencia de ciertas mutaciones o marcadores moleculares asociados con cánceres tiroideos malignos.

Cuando los nódulos dan positivo para marcadores o mutaciones de alto riesgo, la tiroides puede extirparse quirúrgicamente. Sin embargo, los estándares sobre cuándo usar las pruebas moleculares aún están en desarrollo, y la prueba aún no se ofrece en todos los entornos de práctica, especialmente en hospitales más pequeños.

Con el fin de mejorar el poder predictivo del diagnóstico de primera línea, el ultrasonido, los investigadores analizaron el aprendizaje automático o los modelos de inteligencia artificial desarrollados por Google.

En este caso, los investigadores aplicaron un algoritmo de aprendizaje automático a las imágenes de ultrasonido de los nódulos tiroideos de los pacientes para ver si podían distinguir patrones distintivos.

"El objetivo era ver si el aprendizaje automático podía utilizar la tecnología de procesamiento de imágenes para predecir el riesgo genético de los nódulos tiroideos, en comparación con las pruebas moleculares", señala Kelly Daniels, primera autora del estudio.

Entrenaron el algoritmo con imágenes de 121 pacientes que se sometieron a una biopsia con aguja fina guiada por ecografía con pruebas moleculares posteriores. Del total de 134 lesiones, 43 nódulos se clasificaron como de alto riesgo y 91 se clasificaron como de bajo riesgo, según un panel de genes utilizados en las pruebas moleculares. Se usó un conjunto preliminar de imágenes con clasificaciones de riesgo conocidas para entrenar el modelo o algoritmo.

A partir de este banco de imágenes etiquetadas, el algoritmo utilizó el aprendizaje automático para seleccionar patrones asociados con nódulos de alto y bajo riesgo, respectivamente. Usó estos patrones para formar su propio conjunto de parámetros internos que podrían usarse para clasificar futuros conjuntos de imágenes; esencialmente se entrenó en esta nueva tarea.

Los investigadores encontraron que su algoritmo funcionó con un 97% de especificidad y un 90% de valor predictivo positivo.

Aunque preliminar, el estudio sugiere que el aprendizaje automático es prometedor como herramienta de diagnóstico adicional y podría mejorar la eficiencia de los diagnósticos de cáncer de tiroides. Una vez que se vuelve más robusto, el enfoque podría brindar a los médicos y pacientes más información para decidir si es necesaria la extirpación del lóbulo tiroideo.