Gema Maldonado Cantero
La imagen médica es la clave por la que pasa casi cualquier diagnóstico de cáncer. La interpretación que de esas imágenes hacen los radiólogos es la otra clave. Pero la inteligencia artificial ya ha irrumpido en esta especialidad con la promesa de amplificar el poder de la imagen médica. Sus algoritmos, entrenados con pruebas de imagen, prometen mostrar lo que el ojo humano no ve, analizar la evolución de los tejidos para poder predecir el riesgo de que ocurra un cáncer e incluso terminar cribando quiénes deben someterse a cribados de manera más frecuente y quiénes tienen un bajo riesgo.
«El presente y el futuro inmediato de incorporaciones de la innovación pasa por la inteligencia artificial, la tecnología molecular y la radiómica», afirmó este jueves en Valencia el Dr. Carlos Camps, oncólogo, investigador y coordinador de la Estrategia del Cáncer y de la Medicina de Precisión en Oncología de la Comunidad Valenciana. Su ponencia abrió la Jornada Imagen Médica e IA en el cribado del cáncer, organizada por la Fundación Imaging, que preside el Dr. Luis Martí-Bonmatí y que reunió a radiólogos, oncólogos y otros especialistas que abordan el cáncer, junto a empresas y profesionales especializados en innovación e inteligencia artificial.
Dr. Carlos Camps: «La IA nos abre posibilidades para mejorar los screenings e implementar otros nuevos»
El experto mencionó estudios que demuestran que la combinación de IA y biopsia líquida podría mejorar los resultados de los screenings de cáncer de pulmón en fases tempranas, o la investigación PRAIM, que demostró que hacer una doble lectura de las mamografías con IA incrementaba el diagnóstico del cáncer de mama en más de un 17%. Estas novedades, unidas a la radiómica, «nos abren posibilidades para mejorar los screenings e implementar otros nuevos», señaló el experto, que considera que nada de esto «va a sustituir al médico». «Tendrá que interpretar la predicción dentro del contexto clínico y la historia del paciente», concluyó.
Uno de los entornos donde mayor desarrollo ha tenido la aplicación de la IA a la imagen médica es el cribado del cáncer de mama. La Comunidad Valenciana ya la ha incluido como sistema de segunda lectura de las mamografías, que complementa la interpretación de los radiólogos. En su día a día, esta segunda lectura aporta «tranquilidad» a la Dra. Rosario Pérez, radióloga de mama del Hospital Universitario La Fe de Valencia. «En la actualidad, la IA solamente apoya al diagnóstico», afirmó. Pero su potencial es mucho mayor. «Se está investigando si puede filtrar inicialmente los estudios negativos para que no los tenga que ver ningún radiólogo y concentrar esos recursos en los estudios de mayor riesgo. Pero todavía no se hace ni se va a hacer en el futuro próximo», explicó.
La Dra. Santaballa explicó cómo la IA puede ayudar a adaptar la frecuencia y la complejidad de las pruebas al riesgo individual de cada paciente
La IA sí podrá ayudar a personalizar el cribado, algo que todavía no hace en nuestro sistema sanitario. Una personalización que permita «disminuir la frecuencia de las exploraciones o que sean menos complejas en pacientes de bajo riesgo», mientras que, en otras con mayor riesgo, sea capaz de determinar «si tenemos que aumentar el intervalo entre las exploraciones, incluir resonancias u otras exploraciones», explicó la Dra. Ana Santaballa, jefa de sección de Oncología Médica y coordinadora de la Unidad de Cáncer de Mama y Tumores Ginecológicos en el Hospital Universitario La Fe de Valencia.
Javier Pérez-Benito, experto en IA y profesor de la Universitat Politècnica de València (UPV), destacó que la mejora de los cribados de cáncer vendrá gracias a los datos que generan. «Una fuente de datos fundamental para mejorar los programas de cribado son los propios programas de cribado«. Esto permitirá que los algoritmos de IA vayan adaptándose a la población que analizan. Pero, actualmente, este aprendizaje continuo no es una realidad en el sistema de IA de cribado del cáncer de mama en la Comunidad Valenciana debido a «barreras tecnológicas y regulatorias».
Dr. Óscar Juan Vidal: «La selección de candidatos y la cantidad de pruebas que deberían hacerse pueden ser inasumibles. Ahí la IA nos puede ayudar mucho»
En el caso del cáncer de pulmón, no existe aún en España un cribado poblacional y los que hay en otros países se basan en el riesgo del paciente, en muchos casos relacionado con el hábito tabáquico. Para el Dr. Óscar Juan Vidal, oncólogo del Hospital Universitario La Fe de Valencia, establecer este cribado «es necesario», más allá del hábito tabáquico como único criterio de selección. Pero la selección de candidatos y la cantidad de pruebas que deberían hacerse «pueden ser inasumibles». «Ahí la IA nos puede ayudar mucho a poder hacerlo».
«El papel de la IA en este cribado no se limita a la detección y caracterización o a la realización de informes estructurados a partir de hallazgos que deben revisar los radiólogos, sino que también permite utilizar dosis de radiación más bajas que las de la TC de baja dosis, porque con la IA se hacen reconstrucciones que mejoran la calidad de la imagen», añadió el Dr. Carlos Muñoz, radiólogo torácico del Hospital Universitario La Fe de Valencia.
La IA ya ha marcado en distintos estudios una gran diferencia en la detección de los tumores de mama de intervalo: aquellos que no se detectan en la mamografía y aparecen antes del siguiente cribado. Conseguir un diagnóstico cuanto antes, e incluso predecir el riesgo que tiene una mujer de desarrollar un tumor, puede convertirse en una realidad. En eso trabaja el proyecto BreastCan, en el que participa Gloria Ribas, científica de datos clínicos e investigadora en genética del cáncer.
La IA ya ha marcado en distintos estudios una gran diferencia en la detección de los tumores de mama de intervalo
Formado por 20 centros europeos de nueve países, este proyecto está reuniendo un repositorio de datos anonimizados de un millón de mujeres con el objetivo de que la IA se nutra de ellos para generar modelos que mejoren la imagen médica y permitan hacer una catalogación a partir de la densidad mamaria, una característica fundamental. «Permitirá un diagnóstico precoz en el tiempo, ayudará al riesgo individualizado, que pensamos que puede personalizar las visitas, lo que conllevará la reducción del cáncer de intervalo, que en mama es muy importante porque, aunque su cantidad es reducida, es muy agresivo», explicó Ribas.
Tampoco está establecido a nivel nacional un cribado del cáncer de próstata. Pero la IA también está presente en su detección a través de su integración en los aparatos de resonancia, que permiten detectar los casos en los que hay un cáncer clínicamente significativo. «Hace unos años, hacer la prueba en cinco o diez minutos era impensable», señaló Jimena Lapuerta, directora de Negocio de Imaging Philips Iberia. «Ahora, con la IA, que la hemos implementado de principio a fin, es posible. La tecnología no es limitante; es todo el circuito lo que nos limita a hacer el cribado poblacional a gran escala».
Dr. Martí-Bonmatí: «Ayudarnos a solventar el problema de la falta de reproducibilidad en la investigación ómica, mediante el desarrollo y la validación de modelos predictivos robustos»
Los informes estructurados que genera también están ayudando a los radiólogos que tienen que interpretar las imágenes y determinar si hay un cáncer de próstata y si es clínicamente significativo. «La IA es de bastante ayuda: es la última secuencia que miro, pero es como una doble lectura y aporta, sobre todo, valor predictivo negativo», apuntó la Dra. Polina Rudenko, radióloga del Hospital Universitario y Politécnico La Fe de Valencia. «Probablemente va a ser el primer filtro y el radiólogo va a informar de los positivos».
El presidente de la Fundación Imaging es también el director médico del proyecto EUCAIM, que desarrolla una infraestructura digital europea que conecta imágenes médicas oncológicas y datos clínicos de distintos hospitales y centros de investigación y que mejorará, entre otras cosas, la detección del cáncer. La IA podrá alimentarse de toda esta infraestructura paneuropea de datos para «ayudarnos a solventar el problema de la falta de reproducibilidad en la investigación ómica, mediante el desarrollo y la validación de modelos predictivos robustos», explicó en la conferencia de cierre de la jornada.
«Tenemos que conocer el riesgo de que nos pase algo, pero no como población general: necesitamos el riesgo personal y para eso necesitamos conocer muchas cosas más. Vamos a aprovechar la capacidad de detectar patrones para mejorar y hacer asesoramientos personalizados. Y será multimodal, basado en imagen, laboratorio, genética e historia clínica; tenemos que usar IA porque mejora nuestro grado de confianza y también nuestra precisión cuando establecemos qué está sucediendo», concluyó el Dr. Martí-Bonmatí.
