El cáncer representa una carga creciente para la calidad y la esperanza de vida en América Latina. Los datos de la Organización Panamericana de la Salud (PAHO) estiman que, en 2022, 4.2 millones de personas fueron diagnosticadas con cáncer en América Latina, con una proyección de aumento del 59.3% para 2045; En la República Dominicana, solo en 20201, se informaron más de 14,000 casos nuevos de cáncer y más de 8,500 muertes.
La innovación médica es una utensilio vivo para cambiar este panorama. Los investigadores de Mass General Brigham, un sistema de atención médica que reúne a las mejores mentes de la medicina para mejorar la vida de los pacientes en todo el mundo, son precursores en el uso de la inteligencia sintético (IA) para dar forma al futuro de la investigación y el tratamiento del cáncer y, por lo tanto, revolucionar la forma en que enfrentamos esta enfermedad, desde su detección hasta el compañía del paciente.
A través de grandes modelos de idiomas (LLM) y tecnologías de vanguardia, se están desarrollando herramientas que no solo aumentan la precisión médica, sino que incluso podrían aliviar la carga clínica, empoderar a los pacientes y permitir que los médicos actúen de forma más rápida y precisa, mejorando tanto el dictamen como la atención que reciben los pacientes.
El normal de Mass Brigham comparte tres iniciativas que exploran cómo la IA está haciendo una gran diferencia.
- Detección más rápida de artículos adversos por inmunoterapia
Los puntos de control inmune (ICI), una utensilio esencial en el tratamiento del cáncer, activan el sistema inmune para atacar las células malignas. Sin incautación, pueden causar inflamación en diferentes órganos, generando eventos adversos inmunorrelacionados (IRAE). A medida que más pacientes reciben este tipo de terapia, es urgente comprender mejor estas reacciones y cómo detectarlas a tiempo.
Hasta ahora, los métodos más utilizados tienen limitaciones:
• La revisión manual de archivos médicos, aunque confiables, es lenta y consume muchos bienes.
• Los códigos médicos en serie (CIE) suelen ser inexactos: no incluyen códigos específicos para IRAE, subestiman casos reales y tienden a suscitar falsos positivos.
Con la implementación de un maniquí de IA de código campechano, los investigadores lograron achicar el tiempo de revisión de 15 minutos a solo 9 segundos y mejorar la precisión de detección del 94.7%, excediendo los métodos convencionales. Esta tecnología ya se ha compartido con más de 11 instituciones en los Estados Unidos y promete convertirse en un nuevo en serie internacional.
«La eficiencia y la precisión demuestran cuán prácticos son las LLM como una opción para la adopción extendida», dice la autora principal, Virginia H. Sun, residente de Medicina Interna en el Hospital General de Massachusetts.
En total, se analizaron siete mil 555 archivos médicos electrónicos (EHR) de pacientes tratados con ICI. El equipo evaluó cuatro tipos de IRAE: tres comunes (colitis, hepatitis y neumonitis) y uno particularmente peligroso (miocarditis). Para validar los resultados, se utilizó un segundo conjunto de 1.200 archivos del Hospital Brigham y Women.
Kerry L. Reynolds, MD, oncólogo médico en Mass General y director del software de complicaciones graves de inmunoterapia, destacó su capacidad de descartar con precisión los casos no relevantes y acelerar las revisiones manuales. Además, el maniquí no fue capacitado con datos clínicos reales, sino a través de la ingeniería de indicaciones, lo que le permite compartir independientemente con otras instituciones para su uso en diferentes centros médicos.
- Detectar el cáncer con IA: el poder de los modelos fundamentales en imágenes médicas
Otro avance de la inteligencia sintético contra el cáncer es el mejora de un maniquí fundamental dirigido por Hugo Aerts, PhD, director del Programa de Inteligencia Artificial en Medicina del General de Mass Brigham. Esta utensilio vanguardia detecta biomarcadores de imágenes relacionados con el cáncer, incluso cuando hay pocos datos disponibles.
El maniquí fue entrenado con 11 mil 467 lesiones extraídas de tomografías computarizadas (TC) a través de un enfoque llamado autopervisor supervisado, lo que le permitió examinar patrones esencia en las imágenes y realizar tareas clínicas con menos ejemplos de entrenamiento.
«El modelo fundador aprendió las principales características de las lesiones y cómo identificarlas con mucha precisión», dice el Dr. Aerts. «Luego, en lugar de solo tener una imagen médica, en la que puede ocurrir una lesión de varias maneras, ahora tenemos un paso intermedio con un número limitado de características que cuantifican las características de estas lesiones».
Para validar su efectividad, el maniquí clasificó correctamente la ubicación anatómica de las lesiones y se usó para crear dos biomarcadores: uno para predecir si un nodo pulmonar era maligno y otro para estimar el pronóstico del cáncer de pulmón de células no pequeñas (NSCLC).
«Nuestro modelo necesitaba mucho menos muestras de capacitación que las implementaciones de Avant -Garde», dice el Dr. Aerts. «Eso podría hacer que sea particularmente útil para permitir el descubrimiento de biomarcadores para cánceres raros, en los que no hay una gran cantidad de casos de entrenamiento».
- Comunicación efectiva con pacientes con cáncer
Más allá del dictamen, la IA incluso se está evaluando como apoyo en la comunicación médica-paciente. Los investigadores de Brigham y Women's Hospital estudiaron el uso de ChatGPT 4.0 para objetar preguntas frecuentes de pacientes con cáncer a través de portales digitales. Los resultados son prometedores: en el 80% de los casos, los médicos consideraron que las respuestas generadas por la IA no requirieron correcciones.
En su estudio, seis especialistas compararon las respuestas generadas por GPT-4 con el suyo. En casi el 80% de los casos, consideraron que las respuestas del maniquí no requerían estampación. «Poder responder a la mayoría de las preguntas de los pacientes con solo revisar el resultado de la LLM podría salvar al médico clínico y ayudar con el agotamiento», dice la Dra. Danielle S. Bitterman, MD, oncólogo de radiodifusión en Brigham y Women's Hospital.
Aun así, el entendido advierte sobre los riesgos de dejarlo en Dios demasiado en la IA, como es el caso de:
• Baje el guardián cuando un maniquí ofrece respuestas que parecen humanas y exitosas. «Eso podría conducir a errores poco frecuentes pero dañinos para alcanzar al paciente y generar daños», dice.
• El sesgo de automatización, es aseverar, la tendencia a aceptar sugerencias de sistemas sin evaluarlas a fondo.
• Diferencias importantes en el contenido clínico entre las respuestas humanas y las asistidas por el maniquí
«El contenido clínicamente importante en las respuestas manuales fue significativamente diferente de las respuestas asistidas por IA», dice el Dr. Bitterman. «En general, no hay una respuesta correcta a una pregunta sobre el síntoma de un paciente, pero puede haber un elemento del modelo de lenguaje que altera el razonamiento clínico. Eso sería el resultado del sesgo de automatización».
Aunque ve el potencial, Bitterman concluye que todavía existe un camino para usar estos modelos de forma segura en la atención auténtico: «Debemos implementar estas tecnologías de tal manera que su valor esté optimizado, así como la seguridad de los pacientes. Es necesario que invertiremos en más investigaciones para comprender cómo usar estos sistemas de manera efectiva para que podamos apoyar mejor a los pacientes con cáncer».
Los investigadores de Mass General Brigham son precursores en el uso de la inteligencia sintético (IA) para moldear el futuro de la investigación y el tratamiento del cáncer; Si correctamente este tipo de investigación demuestra el potencial transformador de la IA en la lozanía, incluso subraya la importancia de implementar estas herramientas con criterios éticos y humanos.
En un mundo donde la tecnología avanza por saltos y límites, y esta vez, está impulsado por la inteligencia sintético, somos uno contra el cáncer.
