MADRID 22 Ago. (EUROPA PRESS) -
Dos estudios dirigidos por investigadores del Centro Oncológico Kimmel de la Universidad Johns Hopkins, el Centro Ludwig y la Escuela de Ingeniería Whiting de la Universidad Johns Hopkins (EEUU) informan sobre un nuevo método que mejora significativamente la fiabilidad y la precisión de la inteligencia artificial (IA) para muchas aplicaciones de diagnóstico médico.
Así, un estudio informa sobre el desarrollo de 'MIGHT' (Multidimensional Informed Generalized Hypothesis Testing), un método de IA que los investigadores crearon para satisfacer el alto nivel de confianza necesario para las herramientas de IA utilizadas en la toma de decisiones clínicas.
Para ilustrar las ventajas de 'MIGHT', lo utilizaron para desarrollar una prueba para la detección precoz del cáncer utilizando ADN libre circulante (ccfDNA), fragmentos de ADN que circulan en la sangre. Un estudio complementario descubrió que los patrones de fragmentación del ccfDNA utilizados para detectar el cáncer también aparecen en pacientes con enfermedades autoinmunes y vasculares.
Para desarrollar una prueba con alta sensibilidad para el cáncer pero con menos resultados falsos positivos, se amplió 'MIGHT' para incorporar datos de enfermedades autoinmunes y vasculares obtenidos de colegas de la Universidad Johns Hopkins y otras instituciones que tratan y estudian estas enfermedades.
Los estudios, financiados en parte por los Institutos Nacionales de Salud, se han publicado en las 'Actas de la Academia Nacional de Ciencias'.
En pruebas realizadas con datos de pacientes, 'MIGHT' superó sistemáticamente a otros métodos de IA tanto en sensibilidad como en consistencia. Se aplicó a la sangre de 1.000 personas: 352 pacientes con cáncer avanzado y 648 personas sin cáncer. Para cada muestra, los investigadores evaluaron 44 conjuntos de variables diferentes, cada uno de los cuales consistía en un conjunto de características biológicas, como la longitud de los fragmentos de ADN o las anomalías cromosómicas, y descubrieron que las características basadas en la aneuploidía (un número anormal de cromosomas) ofrecían el mejor rendimiento en la detección del cáncer, con una sensibilidad del 72 por ciento (capacidad para detectar el cáncer) y una especificidad del 98 por ciento (identificaba correctamente a las personas que no tenían cáncer).
"'MIGHT' nos ofrece una forma eficaz de medir la incertidumbre y aumentar la fiabilidad, especialmente en situaciones en las que el tamaño de las muestras es limitado, pero la complejidad de los datos es alta", afirma Joshua Vogelstein, doctor, profesor asociado de ingeniería biomédica e investigador principal.
CÁNCER DE MAMA Y PÁNCREAS
'MIGHT' también se amplió a un algoritmo complementario, llamado 'CoMIGHT', para determinar si la combinación de múltiples conjuntos de variables podía mejorar la detección del cáncer. Los investigadores aplicaron 'CoMIGHT' a muestras de sangre de 125 pacientes con cáncer de mama en estadio temprano y 125 pacientes con cáncer de páncreas en estadio temprano, que se analizaron junto con 500 controles (participantes sin cáncer).
Aunque los cánceres de páncreas se detectaron con más frecuencia que los de mama, el análisis 'CoMIGHT' sugirió que el cáncer de mama en estadio temprano podría beneficiarse de la combinación de múltiples señales biológicas, lo que pone de relieve el potencial de la herramienta para adaptar las estrategias de detección según el tipo de cáncer.
En el estudio complementario, los investigadores Christopher Douville, doctor en Medicina y profesor adjunto de Oncología, Samuel Curtis, doctor y becario postdoctoral en el Centro Ludwig, y sus equipos descubrieron fortuitamente que las firmas de fragmentación del ADN libre circulante, que antes se creían específicas de las personas con cáncer, también se dan en pacientes con otras enfermedades, como afecciones autoinmunes como el lupus, la esclerosis sistémica y la dermatomiositis, y enfermedades vasculares como la tromboembolia venosa.
Entre las personas con signos de fragmentación anormales, encontraron un aumento de los biomarcadores inflamatorios en todos los pacientes, independientemente de si padecían enfermedades autoinmunes, enfermedades vasculares o cáncer. Sus resultados sugieren que la inflamación, y no el cáncer en sí, es la responsable de las señales de fragmentación, lo que complica los esfuerzos por utilizar la fragmentación del ADN libre circulante como biomarcador específico del cáncer.
Para abordar el reto de confundir la inflamación con el cáncer, el equipo añadió información característica de la inflamación en sus datos de entrenamiento para 'MIGHT'. La versión mejorada redujo, pero no eliminó por completo, los resultados falsos positivos de enfermedades no cancerosas.
"Nuestro objetivo principal era investigar más a fondo los mecanismos biológicos responsables de las firmas de fragmentación que anteriormente se consideraban específicas del cáncer. A medida que el campo avanza hacia biomarcadores más complejos, comprender los mecanismos biológicos subyacentes que conducen a los resultados es fundamental para su interpretación, en particular para evitar resultados falsos positivos. Nuestros nuevos datos indican que los pacientes con enfermedades distintas al cáncer pueden ser erróneamente diagnosticados con cáncer a menos que se incorporen las salvaguardias adecuadas en las pruebas", afirma Curtis.
En conjunto, los estudios demuestran el potencial y las complejidades del desarrollo de tecnologías clínicas fiables que utilizan la IA. En un editorial relacionado, los investigadores señalaron varios retos críticos que deben abordarse para que herramientas como 'MIGHT' puedan integrarse plenamente en la práctica clínica.
