Publicado 19/10/2020 11:32CET

Investigadores españoles resaltan la importancia de actualizar algoritmos para detectar precozmente el cáncer de mama

Célula de cáncer de mama
Célula de cáncer de mama - ANNE WESTON, FRANCIS CRICK INSTITUTE - Archivo

MADRID, 19 Oct. (EUROPA PRESS) -

Un estudio en el que han participado investigadores de la Universidad Politécnica de Madrid (UPM) y de la Universitat Rovira i Virgili ha demostrado que la actualización de los parámetros clínicos en base a la fecha de detección es más importante que el número de datos analizados en los algoritmos que se utilizan para la detección precoz del cáncer de mama y el pronóstico de los pacientes.

Tras analizar los casos de más de 2.600 pacientes entre los años 2004 y 2008, estos investigadores constataron que, en materia de prevención, la actualización de los modelos y algoritmos en los que se basa el sistema teniendo en cuenta el año en el que se está detectando la patología tiene mucho que ver con la eficacia de la herramienta.

"Para un paciente actual un modelo predictivo que haya sido entrenado en datos con más de unos pocos años de antigüedad puede no resultar útil debido a las innovaciones médicas y sanitarias que hacen que la importancia de los parámetros clínicos a considerar varíe a lo largo del tiempo. Como consecuencia de esas variaciones, si no hay una actualización de los parámetros, por mucho que se introduzcan nuevos datos, la estimación de la gravedad y la supervivencia de los afectados por un cáncer puede no ser la correcta", explica Ricardo Kleinlein, investigador del Grupo de Tecnología del Habla del Departamento de Ingeniería Electrónica de la Escuela Técnica Superior de Ingeniería de Telecomunicación y uno de los autores de este estudio.

A la luz de los datos analizados, que se han publicado en la revista científica 'International Journal of Medical Informatics', el uso de modelos de aprendizaje automático en cáncer de mama que tengan en cuenta todos los datos disponibles puede generar conocimiento clínico solo válido temporalmente. O lo que es lo mismo, más datos no implican necesariamente una mejor predicción, a menos que esos datos sean cercanos en el tiempo y cercanos también a la fecha en la que se diagnostica al paciente.

"Si queremos analizar la esperanza de vida y el pronóstico de un caso de cáncer de mamá detectado este año, no basta solo con analizar todos los datos procedentes de ese paciente, sino que tenemos que tener también en cuenta datos procedentes de casos cercanos en el tiempo que aporten conocimiento clínico preciso y acorde a la situación del paciente", detalla otro de los participantes de este trabajo, David Riaño, del Grup de Recerca en Intel·ligència Artificial de la Universitat Rovira i Virgili.

Precisamente, la importancia que se da a la fecha en la que el paciente es diagnosticado es una de las principales novedades de este trabajo. "Nuestro estudio demuestra que ciertos parámetros clínicos considerados importantes en estudios anteriores dependen del año en que el paciente fuera diagnosticado, siendo necesario validar los algoritmos de predicción antes de su aplicación en un entorno real. Por tanto, entrenar un modelo con más datos no es necesariamente mejor para la predicción, y debemos evaluar el contexto temporal (el año) en que se diagnostica", concluyen.

En España se detectan anualmente más de 33.300 casos de cáncer de mama, un tipo de carcinoma cuya incidencia se ha incrementado en un 7,5 por ciento entre el año 2012 y el 2019. La importancia de la detección precoz en estos casos es fundamental de cara al pronóstico de los pacientes. Si bien es cierto que la tasa de supervivencia a 5 años es muy elevada y ronda ya el 90 por ciento, este porcentaje se reduce incluso hasta una tasa de supervivencia de solo el 10 por ciento cuando los tipos de cáncer son muy agresivos o se detectan de modo muy tardío.

Para leer más