El aprendizaje automático puede ayudar con la planificación del tratamiento y el tratamiento adecuado del cáncer de lengua
Un nuevo estudio de la Universidad de Vaasa, Finlandia, propone el uso de técnicas de aprendizaje automático para el tratamiento eficaz del cáncer de lengua. Un modelo predictivo de aprendizaje automático produjo una precisión del 88,2 % para predecir si el cáncer de lengua volvería a aparecer después del tratamiento. De manera similar, el modelo de aprendizaje automático superó a otros métodos de tratamiento del cáncer, como el uso de la estadificación del cáncer y el nomograma para estimar la supervivencia general de los pacientes con cáncer de lengua. Crédito: Riikka Kalmi / Universidad de Vaasa
Imagínese una tecnología que pueda predecir el resultado de los pacientes con cáncer si el cáncer reaparece después del tratamiento, ¿qué tipo de plan de tratamiento beneficiaría al paciente y la probabilidad de supervivencia general de los pacientes?
El aprendizaje automático, un subcampo de la inteligencia artificial, está a punto de revolucionar el tratamiento del cáncer. La investigación doctoral de Rasheed Alabi en la Universidad de Vaasa, Finlandia, muestra que las técnicas de aprendizaje automático podrían ayudar en el manejo adecuado del cáncer de lengua.
El cáncer de lengua es el cáncer más común que se encuentra en la región de la cabeza y el cuello. Ha causado una cantidad significativa de muertes en todo el mundo. Aparte de eso, puede causar deterioro del habla y dificultad para tragar y masticar.
El principal desafío ha sido el manejo adecuado del diagnóstico temprano del cáncer de lengua, la planificación del tratamiento y la toma de decisiones informadas por parte de los médicos.
En su disertación, Rasheed Alabi propone el uso de técnicas de aprendizaje automático para el manejo efectivo del cáncer de lengua. Desarrolló una herramienta basada en la web que estratifica adecuadamente a los pacientes con cáncer en grupos de alto o bajo riesgo. Eso ayuda a crear un tratamiento eficaz para los pacientes con cáncer de lengua.
– Es importante planificar adecuadamente el tratamiento de los pacientes con cáncer de lengua para aumentar la calidad de la atención que se les brinda y las posibilidades de supervivencia, dice Alabi.
Las técnicas de aprendizaje automático superaron a los métodos tradicionales
El modelo de aprendizaje automático predictivo desarrollado por Rasheed produjo una precisión del 88,2 % para predecir si el cáncer de lengua reaparecería después del tratamiento. Del mismo modo, el modelo de aprendizaje automático superó a otros métodos de control del cáncer, como el uso de la estadificación del cáncer y el nomograma para estimar la supervivencia general de los pacientes con cáncer de lengua.
Medicina personalizada y control preciso del cáncer de lengua
El modelo propuesto es capaz de aliviar la carga psicológica, social y económica causada por el cáncer de lengua oral. La herramienta de pronóstico basada en la web desarrollada garantiza que cada paciente se considere como una entidad separada (medicina personalizada) para trazar una estrategia eficaz de manejo del cáncer de lengua. El modelo predictivo propuesto puede ofrecer una planificación de tratamiento personalizada, evitar terapias innecesarias, una toma de decisiones eficaz para el tratamiento del cáncer, asesoramiento realista, decisiones informadas y una mejor supervivencia general. La predicción temprana de la recurrencia del cáncer reduce las tasas de mortalidad de los pacientes con cáncer de lengua.
Preocupaciones del aprendizaje automático en la práctica clínica diaria
En su disertación, Alabi identifica varias preocupaciones que pueden afectar la práctica clínica diaria real. uso del modelo desarrollado para la práctica clínica diaria. Estas preocupaciones se agrupan en desafíos éticos que son inherentes a la ciencia del aprendizaje automático y las implementaciones clínicas.
Los desafíos éticos incluyen privacidad y confidencialidad, desacuerdo entre pares, libertad de los pacientes para elegir el método de tratamiento preferido, decisión compartida y marco legal para una implementación fluida.
Algunas preocupaciones surgen del aprendizaje automático como tecnología, como hacer que el modelo sea explicable (explicabilidad), comprender cómo se toma la decisión o predicción (interpretabilidad) y permitir que el modelo desarrollado funcione para una tarea similar (generalizabilidad).
Explore más
Detección del cáncer de lengua Más información: urn.fi/URN:ISBN:978-952-476-945-7 Proporcionado por la Universidad de Vaasa Cita: El aprendizaje automático puede ayudar con la planificación del tratamiento y el manejo adecuado del cáncer de lengua (12 de abril de 2021) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-04-machine-treatment-proper-tongue-cancer .html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.