Este sistema supera en casi el triple la capacidad de detección de radiólogos expertos ante imágenes que parecen completamente normales.
Las imágenes eran normales para el ojo humano. No había masa visible, ni contorno que señalar, ni lesión que un radiólogo pudiera identificar. Y sin embargo, la enfermedad ya estaba ahí. Un equipo de investigadores de tres instituciones de los Estados Unidos desarrolló un sistema de inteligencia artificial capaz de detectar ese silencio: el cáncer de páncreas oculto, antes de que se manifieste.
El sistema, bautizado como REDMOD, fue publicado en la revista Gut, del Grupo BMJ, y sus resultados son contundentes: identificó el adenocarcinoma ductal pancreático con un tiempo de ventaja medio de 475 días frente al diagnóstico convencional.
El adenocarcinoma ductal pancreático es el tipo más frecuente y uno de los más letales. Más del 85% de los casos se diagnostica cuando el tumor ya no puede operarse. La razón de ese retraso es biológica: en su etapa más temprana, el páncreas no muestra ninguna masa en imágenes estándar. La enfermedad existe sólo como una perturbación microscópica del tejido, sin forma ni contorno discernible.
Los investigadores distinguieron dos tipos de casos: los tumores "perdidos", donde un experto puede encontrar la lesión en retrospectiva, y los "visualmente ocultos", donde no hay ninguna masa detectable ni siquiera con todos los recursos disponibles. REDMOD fue diseñado para este segundo grupo, el más difícil y el más frecuente.
El equipo analizó tomografías de 1.462 pacientes: 219 con cáncer confirmado, cuyas imágenes fueron tomadas entre 3 y 36 meses antes del diagnóstico, y 1.243 personas sanas como grupo de control.
De cada imagen, el sistema extrajo 968 características cuantitativas del tejido pancreático mediante radiómica, un proceso que convierte las imágenes médicas en datos numéricos que describen la textura y arquitectura interna del órgano.
De esas 968 variables, un algoritmo de selección redujo el conjunto a las 40 más informativas. El 90% de las elegidas provenía de imágenes procesadas con filtros matemáticos que detectan variaciones en la textura invisibles a simple vista. Luego, REDMOD combina tres algoritmos de aprendizaje automático que trabajan en conjunto para producir una predicción final.
La diferencia frente a los médicos fue más pronunciada cuando el cáncer estaba a más de dos años de manifestarse: 68% de sensibilidad para el algoritmo contra apenas 23% para los radiólogos expertos.
Los científicos reconocen límites importantes. El modelo no fue evaluado en distintos grupos raciales o étnicos. No localiza el tumor dentro del órgano —evalúa el páncreas como un todo—, lo que responde a la hipótesis de que en esta etapa la enfermedad se manifiesta como una alteración difusa del tejido. Y no pudo contrastarse con bases de datos públicas de tomografías prediagnósticas, porque esas bases aún no existen.
El equipo propone usar REDMOD como herramienta de clasificación de riesgo en personas con alta probabilidad de desarrollar la enfermedad, como quienes tienen diabetes de inicio reciente. Ya preparan un ensayo clínico prospectivo, llamado AI-PACED, para evaluar el sistema en condiciones reales y determinar cuándo una alerta del algoritmo debe derivar en intervención médica.
