Tecnología, predicen avance de cáncer de próstata

Detectar a tiempo cualquier indicio de esta enfermedad es fundamental, considerando que cada año se diagnostican más de 25 mil casos, según cifras del Instituto Nacional de Cancerología, de los cuales, 70% se encuentran en etapas avanzadas.

Por ello, es importante contar con tecnologías que ayuden a la vigilancia activa de esta enfermedad. Massachusetts General Hospital ha integrado innovaciones como el aprendizaje automático (en inglés, machine learning), para intentar predecir la progresión del cáncer de próstata en pacientes diagnosticados.

Principales hallazgos

Este estudio evaluó si los enfoques de aprendizaje automático podían mejorar la predicción de la progresión del cáncer de próstata, en comparación con un modelo tradicional de regresión logística durante la vigilancia activa.

Todos los modelos de aprendizaje automático fueron significativamente mejores que la regresión logística, en lo que respecta a la puntuación F1, la principal métrica de rendimiento. 

También puedes leer. Cáncer y Covid, los más caros. https://revistafactorrh.com/bienestar-24-horas/item/8861-cancer-y-covid-los-mas-caros

En comparación con los modelos de aprendizaje automático, la regresión logística también presentaba la sensibilidad (10.6 %) y el valor predictivo negativo (72%) más bajos, pero tenía la especificidad (97%) y el valor predictivo positivo (62%) más elevados.

Este trabajo confirma que los modelos de aprendizaje automático son superiores a la regresión logística para esa tarea.

Los protocolos de vigilancia activa (VA) del cáncer de próstata de muy bajo o bajo riesgo suelen incluir visitas médicas seriadas, pruebas del antígeno prostático específico (APE) y biopsias repetidas.

Aunque se ha demostrado que reduce el sobretratamiento, la vigilancia puede llevar mucho tiempo tanto para el médico como para el paciente, y la biopsia de próstata tiene múltiples riesgos. Además, algunos pacientes sienten ansiedad por aplazar la intervención.

Para permitir una atención más personalizada, varios grupos han desarrollado modelos de predicción de la progresión en VA mediante enfoques estadísticos tradicionales.

Madhur Nayan, MDCM, PhD, becario del Programa Combinado de Harvard de Oncología Urológica, de Massachusetts General Hospital, y profesor del Instituto de Ingeniería y Ciencia Médicas del Instituto Tecnológico de Massachusetts; Adam S. Feldman, MD, MPH, director de la Beca Combinada de Oncología Urológica de Harvard y director de Investigación Urológica del Departamento de Urología de Mass General, y oncólogo urológico del Centro de Cáncer de Mass General, y sus colegas se convirtieron recientemente en los primeros en evaluar enfoques de aprendizaje automático (machine learning, ML).

En Oncología Urológica, el equipo informa de la superioridad de los modelos ML frente a un modelo de regresión logística tradicional (T-LR) para predecir la progresión de la enfermedad durante la VA.

Este trabajo no logró un modelo sólido para predecir la progresión del cáncer de próstata durante la VA. Aun así, demuestra el valor de los métodos ML para esa tarea en comparación con los enfoques estadísticos tradicionales. Un probable próximo paso será desarrollar un modelo de predicción que combine datos clínicos con una red neuronal convolucional que analice datos de resonancia magnética.