top of page

¿Puede la IA detectar el cáncer de páncreas?

Estos modelos emplean datos clínicos y de laboratorio rutinarios para realizar predicciones, junto con una técnica de regularización única durante el proceso de entrenamiento.



En una colaboración, el laboratorio de inteligencia artificial del Instituto Tecnológico de Massachusetts (MIT CSAIL) y la Dra. Limor Apelbaum, del departamento de oncología radioterápica de la Universidad de Harvard, lograron un significativo avance en la detección temprana del adenocarcinoma ductal pancreático (PDAC), una forma letal de cáncer de páncreas, mediante el desarrollo de dos modelos impulsados por IA el PRISM Neural Network (PrismNN) y Logistic Regression (PrismLR).


De acuerdo con Whatsnew, estos modelos demostraron una capacidad impresionante al identificar el 35% de los casos de PDAC, superando considerablemente el 10% alcanzado por los métodos de detección estándar. Este logro se sustenta en la utilización de una amplia base de datos de Registros Electrónicos de Salud (EHR), que incluye información detallada de más de cinco millones de pacientes procedentes de diversas instituciones en Estados Unidos.


El desarrollo y validación de los modelos en una base de datos de esta magnitud representan un hito significativo en comparación con investigaciones previas en el campo. Estos modelos emplean datos clínicos y de laboratorio rutinarios para realizar predicciones, junto con una técnica de regularización única durante el proceso de entrenamiento, mejorando así la generalización e interpretabilidad de los modelos.



El impacto de la IA en la medicina queda patente en la capacidad del modelo PRISM para analizar datos de salud de millones de pacientes y descubrir patrones imperceptibles para el ojo humano. Este avance no solo constituye un logro tecnológico, sino también una esperanza para aquellos en riesgo de PDAC.


No obstante, se enfrenta a desafíos considerables, como la complejidad de acceder a datos de pacientes para el entrenamiento de la IA, especialmente en regiones como Europa, donde las leyes de privacidad de datos son más estrictas.


La diversidad de la base de datos utilizada asegura que los modelos de PRISM sean aplicables a una amplia gama de poblaciones, lo cual resulta crucial para abordar las desigualdades en la atención médica y garantizar que todos tengan acceso a diagnósticos tempranos y precisos.


Comments


bottom of page