Archivo - Esta investigación abre la puerta a futuros tratamiento en cáncer de mama luminar. - PEAKSTOCK/ISTOCK - Archivo
MADRID, 14 Ene. (EUROPA PRESS) -
Durante años, médicos, pacientes y expertos en salud pública se han hecho la misma pregunta: ¿por qué el cáncer no se afronta igual en todas partes del mundo? A pesar de los avances científicos y de que la enfermedad es la misma, las cifras de supervivencia cuentan historias muy distintas según el país.
Por primera vez, investigadores del el Centro Oncológico Memorial Sloan Kettering (MSK) de Nueva York (Estados Unidos) han utilizado el aprendizaje automático, un tipo de inteligencia artificial (IA), para identificar los factores más importantes de la supervivencia al cáncer en casi todos los países del mundo.
El estudio, publicado en la revista sobre cáncer, 'Annals of Oncology', proporciona información sobre las mejoras o cambios de políticas que se pueden implementar en cada país para lograr el mayor impacto en la mejora de la supervivencia al cáncer. Accediendo a la herramienta en línea creada por los investigadores, cualquier persona puede encontrar su país y desplazarse hacia abajo para ver qué factores, como la riqueza nacional, el acceso a la radioterapia y la cobertura sanitaria universal, se asocian más con los resultados del cáncer.
El doctor Edward Christopher Dee, médico residente de oncología radioterápica en el Centro Oncológico Memorial Sloan Kettering (MSK) quien codirigió la investigación, afirma que "los resultados globales sobre el cáncer varían considerablemente, en gran medida debido a las diferencias en los sistemas nacionales de salud".
"Queríamos crear un marco práctico y basado en datos que ayudara a los países a identificar las políticas más eficaces para reducir la mortalidad por cáncer y cerrar las brechas de equidad. Descubrimos que el acceso a la radioterapia, la cobertura sanitaria universal y la solidez económica eran factores clave que se asociaban a mejores resultados nacionales en cáncer. Sin embargo, otros factores clave también eran relevantes", añade.
UN MAPA GLOBAL DEL CÁNCER VISTO POR LA INTELIGENCIA ARTIFICIAL
Los investigadores utilizaron el aprendizaje automático para analizar datos sobre la incidencia y las muertes por cáncer del Observatorio Mundial del Cáncer (GLOBOCAN 2022) de 185 países. También recopilaron información sobre los sistemas de salud de la Organización Mundial de la Salud, el Banco Mundial, organismos de las Naciones Unidas y el Directorio de Centros de Radioterapia.
Esta información incluyó el gasto sanitario como porcentaje del PIB, el PIB per cápita, el número de médicos, enfermeras, matronas y personal quirúrgico por cada 1.000 habitantes, la cobertura sanitaria universal, la disponibilidad de servicios de patología, un índice de desarrollo humano, el número de centros de radioterapia por cada 1.000 habitantes, un índice de desigualdad de género y el porcentaje de gastos directos.
Se creó el modelo de aprendizaje automático basándose en estos datos de los sistemas de salud globales. "Optamos por utilizar modelos de aprendizaje automático porque nos permiten generar estimaciones, y predicciones relacionadas, específicas para cada país. Por supuesto, somos conscientes de las limitaciones de los datos a nivel poblacional, pero esperamos que estos hallazgos puedan orientar la planificación del sistema oncológico a nivel mundial", comentan los investigadores.
El modelo genera razones de mortalidad e incidencia, que reflejan la proporción de casos de cáncer que resultan en muerte y sirven como indicador de la eficacia de la atención oncológica. Utiliza un método para explicar las predicciones individuales mediante la cuantificación de la contribución de cada factor a la predicción; esto se denomina SHAP (Explicaciones Aditivas de Shapley).
"Más allá de simplemente describir las disparidades, nuestro enfoque proporciona hojas de ruta prácticas y basadas en datos para los responsables de las políticas, mostrando con precisión qué inversiones en el sistema de salud tienen el mayor impacto en cada país", exponen los autores.
A medida que aumenta la carga mundial del cáncer, esta información puede ayudar a las naciones a priorizar recursos y reducir las brechas de supervivencia de la manera más equitativa y eficaz posible. "Las organizaciones internacionales, los profesionales sanitarios y los defensores de la salud también pueden utilizar la herramienta web para destacar áreas de inversión, especialmente en entornos con recursos limitados", señalan.
Tomando Brasil como ejemplo, el modelo muestra que el factor con mayor impacto positivo en la tasa de mortalidad por incidencia es la cobertura sanitaria universal (CSU), mientras que los servicios de patología y el número de enfermeras y parteras por cada 1.000 habitantes podrían no tener un efecto tan sustancial en los resultados. Los investigadores afirman que esto sugiere que Brasil debería priorizar la CSU.
Como otro ejemplo, la densidad de los servicios de radioterapia, el PIB per cápita y el índice de cobertura sanitaria universal (CSU) demostraron el mayor impacto en Polonia en los resultados del cáncer, entre otros factores clave. Este hallazgo sugiere que los esfuerzos actuales para fortalecer el seguro médico y el acceso a los servicios han generado mejoras más pronunciadas que factores como el gasto sanitario general, cuyo efecto positivo es menor.
En Japón, EEUU y el Reino Unido, los datos muestran que todos los factores del sistema de salud están vinculados a una mejor evolución del cáncer, siendo la densidad de centros de radioterapia en Japón y el PIB per cápita en EEUU y el Reino Unido los que tienen mayor impacto. Esto sugiere que estos son los factores en los que deberían centrarse los responsables políticos.
EL PANORAMA ES MÁS HETEROGÉNEO EN CHINA
El panorama es más heterogéneo en China. El PIB per cápita, la cobertura sanitaria universal y la densidad de centros de radioterapia son los factores que más contribuyen a una mejor evolución del cáncer. El gasto directo, el personal quirúrgico por cada 1.000 habitantes y el gasto sanitario como porcentaje del PIB son factores con menos probabilidades de explicar las diferencias en la evolución del cáncer en la actualidad.
"Los elevados costos directos para los pacientes siguen siendo un obstáculo crítico para obtener resultados óptimos en el tratamiento del cáncer, incluso en medio de mejoras nacionales en la financiación y el acceso a la salud. Estos hallazgos subrayan que, si bien el rápido desarrollo del sistema de salud de China está generando importantes avances en el control del cáncer, persisten las disparidades en la protección y la cobertura financiera, lo que justifica un mayor enfoque de las políticas en la reducción de los gastos directos y el fortalecimiento de la implementación de la cobertura sanitaria universal para maximizar el impacto en el sistema de salud", señalan los investigadores.
Las fortalezas del estudio incluyen: cobertura de casi todos los países, uso de datos de salud global actualizados; provisión de recomendaciones de políticas prácticas y específicas para cada país (no solo promedios globales) y modelos de IA más explicables.
Las limitaciones incluyen: dependencia de datos agregados a nivel nacional, no de registros individuales de pacientes; variabilidad en la calidad de los registros y datos, especialmente en muchos países de bajos ingresos; las tendencias nacionales pueden pasar por alto las disparidades dentro del país, que ameritan mayor investigación; y el estudio no puede demostrar que centrarse en un área específica cause una mejora en los resultados del cáncer, solo que tales esfuerzos pueden estar asociados con los resultados del cáncer. Los hallazgos ayudarán a los responsables de la formulación de políticas a priorizar, pero se necesitan más estudios que intervengan en áreas específicas.
"A medida que aumenta la carga mundial de cáncer, este modelo ayuda a los países a maximizar el impacto con recursos limitados. Convierte datos complejos en asesoramiento comprensible y práctico para los responsables políticos, posibilitando una salud pública de precisión", concluye el doctor Dee.
