Ideas en Salud

Investigadores del Hospital General de Massachusetts, que trabajan con el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT, tienen una herramienta de aprendizaje automático para identificar a las mamarias de alto riesgo que probablemente se conviertan en cáncer .

 La tecnología tiene el potencial de reducir las cirugías innecesarias en casi un tercio en esta población específica de pacientes. Este es el hallazgo de un nuevo estudio publicado en línea en la revista radiología.

 "Este estudio es nuestra prueba. La Dra. Constance Lehman, MD, autora principal del estudio y directora de diagnóstico de imágenes mamarias en el Hospital General de Massachusetts.

 Los términos de los factores de riesgo tradicionales , como la edad del paciente y la histología de la lesión, así como las palabras que aparecen en el texto de los informes de patología de biopsia. Según Lehman, el modelo fue altamente preciso cuando se aplicó una población de pacientes con riesgo de alto riesgo mediante biopsias que se realizaron una cirugía o al menos dos años de seguimiento con imágenes. "Identificamos el 97 por ciento de las lesiones que eran malignas y redujimos en la cirugía benigna innecesariaen un 30 por ciento", señala. "Por lo tanto, redujimos nuestros falsos positivos y mantuvimos una sensibilidad extremadamente alta".

 Como resultado de esta prueba exitosa , Lehman dice que ella y sus colegas están trabajando con el Centro de Ciencia de Datos Clínicos de MGH para incorporar el modelo de aprendizaje automático al algoritmo de administración clínica del centro. "En un futuro cercano, los datos se procesan en nuestro modelo de aprendizaje automático para que podamos obtener el porcentaje de riesgo de una lesión en particular se actualice o no el cáncer que se envíó a la cirugía", agrega. "De esta manera, creemos que podemos reducir las cirugías benignas innecesarias y mantener una tasa muy alta de captura de cáncer".

 Lehman dice que los radiólogos quieren ser más específicos y precisos en sus recomendaciones para sus pacientes. Sin embargo, la extirpación quirúrgica suele ser la opción de tratamiento preferido.

 "No nos han matizado", concluye Lehman. "Estamos interesados ​​en ver cómo el aprendizaje automático puede mejorar el impacto del radiólogo".

"De acuerdo con las herramientas de diagnóstico son inexactas , hay una tendencia comprensible para que los médicos realicen una revisión inexacta del cáncer de mamá", agrega Regina Barzilay, coautora del estudio y profesora de Ingeniería Eléctrica y Ciencias de la Computación de Delta Electrónica en El MIT. "Cuando hay tanta incertidumbre en los datos, el aprendizaje automático es la herramienta que necesitamos para mejorar la detección y evitar el tratamiento innecesario".