Los investigadores de , que se centra en ingeniería informática y , construyeron dos algoritmos de aprendizaje automático que pueden detectar el cáncer de páncreas en un umbral más alto que los estándares de diagnóstico actuales. Los dos modelos se formaron juntos para crear la red neuronal «PRISM». Está diseñado para detectar específicamente el adenocarcinoma ductal de páncreas (PDAC), la forma más prevalente de cáncer de páncreas.
Los criterios de detección estándar actuales del PDAC detectan alrededor del 10 por ciento de los casos en pacientes examinados por profesionales. En comparación, PRISM del MIT pudo identificar casos de PDAC el 35 por ciento de las veces.
Si bien su uso no es una hazaña completamente nueva, PRISM del MIT se destaca por cómo fue desarrollado. La red neuronal se programó en función del acceso a diversos conjuntos de registros médicos electrónicos reales de instituciones sanitarias de todo Estados Unidos. Se alimentaron los datos de más de 5 millones de registros médicos electrónicos de pacientes, que según los investigadores del equipo «superaron la escala» de información alimentada a un modelo de IA en esta área particular de investigación. «El modelo utiliza datos clínicos y de laboratorio de rutina para hacer sus predicciones, y la diversidad de la población de EE. UU. es un avance significativo con respecto a otros modelos PDAC, que generalmente se limitan a regiones geográficas específicas, como algunos centros de atención médica en los EE. UU.», Kai Jia , dijo el autor principal del artículo del MIT CSAIL PhD.
El proyecto PRISM del MIT comenzó hace más de seis años. La motivación detrás del desarrollo de un algoritmo que pueda detectar PDAC temprano tiene mucho que ver con el hecho de que la mayoría de los pacientes son diagnosticados en las últimas etapas del desarrollo del cáncer; específicamente, alrededor del ochenta por ciento se diagnostican demasiado tarde.
La IA funciona analizando la demografía del paciente, diagnósticos previos, medicamentos actuales y anteriores en planes de atención y resultados de laboratorio. En conjunto, el modelo funciona para predecir la probabilidad de cáncer mediante el análisis de datos de registros médicos electrónicos junto con aspectos como la edad del paciente y ciertos factores de riesgo evidentes en su estilo de vida. Aún así, PRISM solo puede ayudar a diagnosticar la mayor cantidad de pacientes al ritmo que la IA puede llegar a las masas. Por el momento, la tecnología está destinada a pacientes seleccionados en Estados Unidos. El desafío logístico de escalar la IA implicará alimentar al algoritmo con conjuntos de datos más diversos y tal vez incluso perfiles de salud globales para aumentar la accesibilidad.
No obstante, este no es el primer intento del MIT de desarrollar un modelo de IA que pueda predecir el riesgo de cáncer. En particular, desarrolló una forma de entrenar modelos sobre cómo predecir la mortalidad entre las mujeres utilizando registros de mamografías. En esa línea de investigación, confirmaron los expertos del MIT, cuanto más diversos sean los conjuntos de datos, mejor será la IA para diagnosticar cánceres y poblaciones. El desarrollo continuo de modelos de IA que pueden predecir la probabilidad de cáncer no sólo mejorará los resultados para los pacientes si la malignidad se identifica antes, sino que también reducirá la carga de trabajo de los pacientes. El mercado de la IA en el diagnóstico está tan maduro para el cambio que está despertando el interés de las grandes empresas. Comercial de tecnología, que intentó crear un programa de inteligencia artificial que pueda detectar el cáncer de mama con un año de anticipación.