A pesar de los importantes avances en genética e imágenes modernas, el diagnóstico toma por sorpresa a la mayoría de las pacientes con cáncer de mama. Para algunos, llega demasiado tarde. El diagnóstico posterior significa tratamientos agresivos, resultados inciertos, y más gastos médicos. Como resultado, La identificación de pacientes ha sido un pilar central de la investigación del cáncer de mama y la detección temprana eficaz.

Con eso en mente, Un equipo del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) y el Hospital General de Massachusetts (MGH) ha creado un nuevo modelo de aprendizaje profundo que puede predecir a partir de una mamografía si es probable que una paciente desarrolle cáncer de mama hasta cinco años en el futuro. Capacitado en mamografías y resultados conocidos de más de 60, 000 pacientes con MGH, el modelo aprendió los patrones sutiles en el tejido mamario que son precursores de los tumores malignos.

Profesora del MIT Regina Barzilay, ella misma una sobreviviente de cáncer de mama, dice que la esperanza es que sistemas como estos permitan a los médicos personalizar los programas de detección y prevención a nivel individual, haciendo del diagnóstico tardío una reliquia del pasado.

Aunque se ha demostrado que la mamografía reduce la mortalidad por cáncer de mama, Existe un debate continuo sobre la frecuencia con la que se deben realizar las pruebas de detección y cuándo comenzar. Si bien la Sociedad Estadounidense del Cáncer recomienda la detección anual a partir de los 45 años, El Grupo de Trabajo Preventivo de EE. UU. recomienda la detección cada dos años a partir de los 50 años.

"En lugar de adoptar un enfoque único para todos, podemos personalizar las pruebas de detección en función del riesgo de que una mujer desarrolle cáncer, "dice Barzilay, autor principal de un nuevo artículo sobre el proyecto publicado hoy en Radiología. "Por ejemplo, un médico podría recomendar que un grupo de mujeres se haga una mamografía cada dos años, mientras que otro grupo de mayor riesgo podría someterse a una prueba de resonancia magnética complementaria ". Barzilay es profesor de Delta Electronics en CSAIL y el Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT y miembro del Instituto Koch para la Investigación Integrativa del Cáncer en el MIT.

El modelo del equipo fue significativamente mejor para predecir el riesgo que los enfoques existentes:colocó con precisión al 31 por ciento de todos los pacientes con cáncer en su categoría de mayor riesgo, en comparación con solo el 18 por ciento de los modelos tradicionales.

La profesora de Harvard Constance Lehman dice que anteriormente ha habido un apoyo mínimo en la comunidad médica para las estrategias de detección que se basan en el riesgo y no en la edad.

"Esto se debe a que antes no teníamos herramientas de evaluación de riesgos precisas que funcionaran para mujeres individuales, "dice Lehman, profesora de radiología en la Escuela de Medicina de Harvard y jefa de división de imágenes mamarias en el MGH. "Nuestro trabajo es el primero en demostrar que es posible".

Barzilay y Lehman coescribieron el artículo con el autor principal Adam Yala, un doctorado en CSAIL estudiante. Otros coautores del MIT incluyen Ph.D. el estudiante Tal Schuster y el ex estudiante de maestría Tally Portnoi.

Cómo funciona

Desde el primer modelo de riesgo de cáncer de mama de 1989, El desarrollo ha sido impulsado en gran medida por el conocimiento y la intuición humanos de cuáles podrían ser los principales factores de riesgo, como la edad, antecedentes familiares de cáncer de mama y de ovario, factores hormonales y reproductivos, y densidad mamaria.

Sin embargo, la mayoría de estos marcadores tienen una correlación débil con el cáncer de mama. Como resultado, estos modelos todavía no son muy precisos a nivel individual, y muchas organizaciones continúan sintiendo que los programas de detección basados ​​en riesgos no son posibles, dadas esas limitaciones.

En lugar de identificar manualmente los patrones en una mamografía que impulsan el cáncer futuro, el equipo de MIT / MGH entrenó un modelo de aprendizaje profundo para deducir los patrones directamente de los datos. Utilizando información de más de 90, 000 mamografías, el modelo detectó patrones demasiado sutiles para que el ojo humano los detecte.

"Desde la década de 1960, los radiólogos han notado que las mujeres tienen patrones únicos y muy variables de tejido mamario visibles en la mamografía, "dice Lehman." Estos patrones pueden representar la influencia de la genética, hormonas el embarazo, lactancia, dieta, pérdida de peso, y aumento de peso. Ahora podemos aprovechar esta información detallada para ser más precisos en nuestra evaluación de riesgos a nivel individual ".

Hacer que la detección del cáncer sea más equitativa

El proyecto también tiene como objetivo hacer que la evaluación de riesgos sea más precisa para las minorías raciales, en particular. Muchos de los primeros modelos se desarrollaron en poblaciones blancas, y fueron mucho menos precisos para otras razas. El modelo MIT / MGH, mientras tanto, es igualmente precisa para mujeres blancas y negras. Esto es especialmente importante dado que se ha demostrado que las mujeres negras tienen un 42 por ciento más de probabilidades de morir de cáncer de mama debido a una amplia gama de factores que pueden incluir diferencias en la detección y el acceso a la atención médica.

"Es particularmente sorprendente que el modelo funcione igualmente bien para personas blancas y negras, que no ha sido el caso con herramientas anteriores, "dice Allison Kurian, profesor asociado de medicina e investigación / políticas de salud en la Facultad de Medicina de la Universidad de Stanford. "Si se valida y se pone a disposición para un uso generalizado, esto realmente podría mejorar nuestras estrategias actuales para estimar el riesgo ".

Barzilay dice que su sistema también podría algún día permitir que los médicos utilicen mamografías para ver si los pacientes tienen un mayor riesgo de tener otros problemas de salud. como enfermedades cardiovasculares u otros cánceres. Los investigadores están ansiosos por aplicar los modelos a otras enfermedades y dolencias, y especialmente aquellos con modelos de riesgo menos efectivos, como el cáncer de páncreas.

"Nuestro objetivo es hacer que estos avances formen parte del estándar de atención, "dice Yala." Al predecir quién desarrollará cáncer en el futuro, Es de esperar que podamos salvar vidas y contraer cáncer antes de que aparezcan los síntomas ".

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.