Algoritmos avanzados de IA permiten detección temprana del cáncer prostático

La ausencia de síntomas en etapas tempranas dificulta especialmente la detección temprana y la intervención oportuna. Si bien métodos de diagnóstico como las pruebas del antígeno prostático específico (APE) y el tacto rectal se utilizan ampliamente, depender únicamente del cribado del APE a menudo conduce al sobrediagnóstico y a biopsias innecesarias. Estas limitaciones subrayan la necesidad de estrategias de diagnóstico y tratamiento más precisas y personalizadas. Los nuevos modelos de inteligencia artificial (IA) están ayudando a superar estos desafíos al identificar con precisión los tejidos cancerosos, predecir los resultados de los pacientes y agilizar la planificación del tratamiento.

Un equipo de investigadores de la Facultad de Medicina Warren Alpert de la Universidad de Brown (Providence, RI, EUA) y la Facultad de Medicina de la Universidad Jiao Tong de Shanghái (Shanghái, China) realizó una revisión exhaustiva de los modelos basados en IA utilizados en el tratamiento del cáncer de próstata. La revisión, publicada en el Chinese Medical Journal, destaca varias herramientas de IA desarrolladas para respaldar el diagnóstico, el tratamiento, la predicción del pronóstico y la subtipificación molecular del cáncer de próstata. Para el diagnóstico, modelos como Asian Prostate Cancer Artificial Intelligence integran parámetros clínicos multimodales para optimizar la detección y reducir las biopsias innecesarias, mientras que Galen Prostate emplea redes neuronales convolucionales (CNN) para mejorar la clasificación de Gleason después de la biopsia. Las herramientas de imagen como los algoritmos de agrupamiento Fuzzy C-Means y los sistemas de segmentación de MRI basados en CNN ayudan a detectar y delinear lesiones en las exploraciones de MRI. En la gestión de la terapia, los modelos de IA como el Modelo de pronóstico de próstata de inteligencia artificial multimodal ayudan a los médicos a determinar qué pacientes podrían beneficiarse de la terapia de privación de andrógenos (ADT) a corto plazo, lo que guía el tratamiento personalizado. Herramientas adicionales como los modelos aleatorios basados en bosques y el Planificador Virtual de Tratamiento automatizan y optimizan la planificación de la radioterapia, mientras que Survival Quilt ofrece predicciones de supervivencia a 10 años. Para el seguimiento de la recurrencia y la metástasis, modelos como el Modelo Diagnóstico de Metástasis en Ganglios Linfáticos y XGBoost permiten la detección precisa de micrometástasis y recurrencia bioquímica.

Estas intervenciones de IA ya han demostrado beneficios clínicos significativos, ofreciendo información más rápida y fiable sobre la progresión del cáncer y las respuestas al tratamiento. Al automatizar tareas que tradicionalmente dependían de la experiencia humana, la IA permite una mayor precisión y consistencia en el manejo del cáncer de próstata. Sin embargo, la revisión también enfatiza la transición de las herramientas tradicionales de IA para tareas específicas a modelos fundamentales capaces de realizar múltiples tareas en conjuntos de datos más amplios. Esta transición, si bien prometedora, presenta nuevos desafíos, incluyendo la necesidad de conjuntos de datos vastos y diversos, y la minimización del sesgo de la IA. Los investigadores han solicitado la innovación y el perfeccionamiento continuos de estas herramientas, con el objetivo de hacerlas más accesibles y que cumplan con la normativa. A medida que la tecnología, la regulación y la infraestructura de datos avanzan, se espera que la IA desempeñe un papel aún más transformador en el futuro de la medicina de precisión.

"En el futuro, a medida que las bases de datos se fortalezcan, los algoritmos se refinen y se desarrollen leyes y regulaciones que las respalden, la IA está preparada para desempeñar un papel aún más transformador en la medicina de precisión para el cáncer de próstata", afirmó el Dr. Rui Chen, codirector del estudio.

Enlaces relacionados:
Facultad de Medicina Warren Alpert de la Universidad Brown
Facultad de Medicina de la Universidad Jiao Tong de Shanghái