Herramienta de IA predice riesgo de cáncer de pulmón a partir de TC de tórax de dosis baja

Con el fin de ayudar a mejorar la eficiencia de la detección del cáncer de pulmón y proporcionar evaluaciones individualizadas, investigadores del Mass General Cancer Center (Boston, MA, EUA), en colaboración con investigadores del Instituto Tecnológico de Massachusetts (MIT, Cambridge, MA, EUA) , han desarrollado Sybil, un modelo de aprendizaje profundo que analiza los escaneos y predice el riesgo de cáncer de pulmón para los próximos uno a seis años. En su estudio, el equipo validó Sybil utilizando tres conjuntos de datos independientes: un conjunto de escaneos de más de 6.000 participantes de NLST (estudio nacional de detección pulmonar de EUA) que Sybil no había visto antes; 8.821 TCBD de EUA; y 12.280 TCBD de Taiwán. El último conjunto de escaneos incluyó a personas con una variedad de antecedentes de tabaquismo, incluidos aquellos que nunca fumaron.

Los investigadores encontraron que Sybil podía predecir con precisión el riesgo de cáncer de pulmón en estos conjuntos. El equipo determinó la precisión de Sybil utilizando el área bajo la curva (AUC), que mide qué tan bien una prueba distingue entre muestras enfermas y normales y en la que 1.0 se considera una puntuación perfecta. Sybil pudo predecir el cáncer en un rango de un año con AUC de 0,92 para los participantes adicionales del NLST, 0,86 para el conjunto de datos del MGH y 0,94 para el conjunto de datos de Taiwán. Sybil predijo el cáncer de pulmón dentro de los seis años con AUC de 0,75, 0,81 y 0,80, respectivamente, para los tres conjuntos de datos. Los investigadores ahora comenzarán un ensayo clínico prospectivo para probar Sybil en el mundo real y ver cómo puede ayudar a los radiólogos.

"Sybil requiere solo una TCBD y no depende de los datos clínicos ni de las anotaciones del radiólogo", dijo el coautor Florian Fintelmann, MD, del Departamento de Radiología, División de Imagen e Intervención Torácica del Hospital General de Massachusetts. "Fue diseñado para ejecutarse en tiempo real en el fondo de una estación de lectura de radiología estándar que permite el soporte de decisiones clínicas en el punto de atención".