C\u00e9lulas de c\u00e1ncer de pulm\u00f3n. Cr\u00e9dito: Anne Weston, Instituto Francis Crick, CC BY-NC 4.0 <\/p>\n
La inteligencia artificial (IA) podr\u00eda ayudar a guiar la vigilancia posterior al tratamiento de pacientes con c\u00e1ncer de pulm\u00f3n de c\u00e9lulas no peque\u00f1as (NSCLC) y mejorar los resultados como resultado, seg\u00fan un estudio dirigido por investigadores de The Royal Marsden NHS Foundation Trust en colaboraci\u00f3n con el Instituto de Investigaci\u00f3n del C\u00e1ncer de Londres y el Imperial College de Londres. <\/p>\n
Por primera vez en el mundo, el estudio OCTAPUS-AI, publicado en la revista EbioMedicine de The Lancet, compar\u00f3 diferentes modelos de aprendizaje autom\u00e1tico para determinar cu\u00e1l podr\u00eda identificar con mayor precisi\u00f3n a los pacientes con NSCLC en riesgo de recurrencia despu\u00e9s de la radioterapia curativa. El aprendizaje autom\u00e1tico (ML) es un tipo de IA que permite que el software prediga autom\u00e1ticamente los resultados. Los algoritmos de ML construyen un modelo basado en datos de muestra para hacer predicciones o decisiones sin estar programados expl\u00edcitamente para hacerlo.<\/p>\n
Los resultados del estudio multic\u00e9ntrico retrospectivo sugieren que esta tecnolog\u00eda podr\u00eda usarse para ayudar a personalizar y, por lo tanto, mejorar la vigilancia de los pacientes despu\u00e9s del tratamiento en funci\u00f3n de su riesgo. Esto podr\u00eda conducir a que la recurrencia se detecte antes en pacientes de alto riesgo, asegurando que reciban un tratamiento urgente que podr\u00eda mejorar sus resultados. Para aquellos con un bajo riesgo de recurrencia, podr\u00eda resultar en menos exploraciones de seguimiento y visitas al hospital.<\/p>\n
Predicci\u00f3n de la recurrencia<\/p>\n
Los investigadores utilizaron datos cl\u00ednicos an\u00f3nimos disponibles de forma rutinaria de 657 NSCLC pacientes tratados en cinco hospitales del Reino Unido para comparar diferentes algoritmos de aprendizaje autom\u00e1tico basados en varios factores de pron\u00f3stico utilizados para predecir la probabilidad de recurrencia de un paciente, como la edad, el sexo y las caracter\u00edsticas del tumor en las exploraciones. Luego desarrollaron y probaron modelos de predicci\u00f3n para categorizar a los pacientes en bajo y alto riesgo de recurrencia, supervivencia libre de recurrencia y supervivencia general dos a\u00f1os despu\u00e9s del tratamiento.<\/p>\n
Por ejemplo, los investigadores encontraron que el tama\u00f1o del tumor del paciente y la etapa, el tipo y la intensidad de la radioterapia, el tabaquismo, el IMC y la edad fueron los factores m\u00e1s importantes en el algoritmo del modelo final para predecir los resultados de los pacientes. <\/p>\n
Tambi\u00e9n se descubri\u00f3 que este modelo es m\u00e1s preciso para predecir los resultados que los m\u00e9todos tradicionales, como el sistema de estadificaci\u00f3n TNM, que describe la cantidad y la propagaci\u00f3n del c\u00e1ncer en el cuerpo de un paciente.<\/p>\n
Pulm\u00f3n El c\u00e1ncer es la principal causa mundial de muerte por c\u00e1ncer y representa poco m\u00e1s de una quinta parte (21 %) de las muertes por c\u00e1ncer en el Reino Unido. El NSCLC representa casi cinco sextos (85 %) de los casos de c\u00e1ncer de pulm\u00f3n y, cuando se detecta a tiempo, la curable. Sin embargo, m\u00e1s de un tercio (36 %) de los pacientes con NSCLC experimentan recurrencia en el Reino Unido<\/p>\n
Optimizaci\u00f3n de la vigilancia<\/p>\n
Para mejorar los resultados de los pacientes con c\u00e1ncer de pulm\u00f3n, el Instituto Nacional de Atenci\u00f3n M\u00e9dica y Excelencia Cl\u00ednica (NICE) ha pedido m\u00e1s investigaci\u00f3n sobre el uso de factores de pron\u00f3stico para desarrollar modelos de estratificaci\u00f3n de riesgo para informar una vigilancia \u00f3ptima. El estudio OCTAPUS-AI se desarroll\u00f3 en respuesta a esta recomendaci\u00f3n.<\/p>\n
El l\u00edder del estudio, el Dr. Sumeet Hindocha, registrador especialista en oncolog\u00eda cl\u00ednica en The Royal Marsden NHS Foundation Trust e Imperial College London, dijo:<\/p>\n
\u00abEn este momento, no existe un marco establecido para la vigilancia de los pacientes con c\u00e1ncer de pulm\u00f3n de c\u00e9lulas no peque\u00f1as que siguen un tratamiento de radioterapia en el Reino Unido. Esto significa que existe una variaci\u00f3n en el tipo y la frecuencia del seguimiento que reciben los pacientes. Se requiere m\u00e1s investigaci\u00f3n. desarrollar protocolos de seguimiento personalizados y usar IA con datos de atenci\u00f3n m\u00e9dica puede ser la respuesta.<\/p>\n
\u00abEste estudio muestra que los modelos de aprendizaje autom\u00e1tico pueden predecir los resultados de los pacientes con NSCLC despu\u00e9s de la radioterapia curativa utilizando datos cl\u00ednicos disponibles de forma rutinaria. Como se puede acceder f\u00e1cilmente a este tipo de datos, esta metodolog\u00eda podr\u00eda replicarse en diferentes sistemas de salud. Por lo tanto, este estudio es un emocionante primer paso hacia el desarrollo de un modelo que ayude a guiar la vigilancia posterior al tratamiento de este grupo de pacientes en funci\u00f3n de su riesgo individual de recurrencia.<\/p>\n
\u00abLa pr\u00f3xima fase de este estudio probar\u00e1 el aprendizaje autom\u00e1tico modelos que utilizan datos de im\u00e1genes solo y en combinaci\u00f3n con datos cl\u00ednicos. Esperamos descubrir c\u00f3mo nuestro modelo, que se basa en las caracter\u00edsticas del paciente y el tratamiento que recibieron, se ve influenciado por los datos de escaneo de im\u00e1genes\u00bb.<\/p>\n
Mejorar la atenci\u00f3n para personas con c\u00e1ncer<\/p>\n
Dr. Richard Lee, m\u00e9dico consultor en medicina respiratoria y diagn\u00f3stico temprano en The Royal Marsden NHS Foundation Trust y l\u00edder del equipo de diagn\u00f3stico y detecci\u00f3n tempranos en el Instituto de Investigaci\u00f3n del C\u00e1ncer de Londres, investigador principal del estudio OCTAPUS-AI, dijo: <\/p>\n
\u00abEste es un importante paso adelante para poder usar la IA para comprender qu\u00e9 pacientes tienen un mayor riesgo de recurrencia del c\u00e1ncer y detectar esta reca\u00edda antes para que el retratamiento pueda ser m\u00e1s efectivo\u00bb.<\/p>\n
p> <\/p>\n
\u00abLa reca\u00edda tambi\u00e9n es una fuente clave de ansiedad para los pacientes. Reducir la cantidad de escaneos necesarios en este entorno puede ser \u00fatil, y tambi\u00e9n reducir la exposici\u00f3n a la radiaci\u00f3n, las visitas al hospital y hacer un uso m\u00e1s eficiente de los valiosos recursos del NHS.<\/p>\n
\u00abEn el futuro, esperamos que este enfoque pavimente la forma de predecir la recurrencia de todos los tipos de c\u00e1ncer, no solo del NSCLC. Nuestro modelo utiliz\u00f3 caracter\u00edsticas espec\u00edficas de esta enfermedad, pero al refinar el algoritmo, esta tecnolog\u00eda podr\u00eda tener una aplicaci\u00f3n mucho m\u00e1s amplia.<\/p>\n
\u00abA trav\u00e9s de este trabajo, esperamos para empujar los l\u00edmites para mejorar la atenci\u00f3n de los pacientes con c\u00e1ncer, ayudarlos a vivir m\u00e1s tiempo y reducir el impacto que la enfermedad tiene en sus vidas. Estamos agradecidos con nuestros pacientes y donantes que han hecho posible esta investigaci\u00f3n.<\/p>\n
‘Estaba en buenas manos’<\/p>\n
Annette Morgan, de 78 a\u00f1os, de Balham, fue diagnosticada por primera vez con c\u00e1ncer de pulm\u00f3n en 2012 despu\u00e9s de ser ingresado en el hospital con neumon\u00eda. Despu\u00e9s de la cirug\u00eda para extirpar el tumor, se someti\u00f3 a controles regulares y tomograf\u00edas computarizadas que descubrieron otra recurrencia del c\u00e1ncer en 2014, cuando la derivaron a The Royal Marsden y nuevamente en 2016. En estas ocasiones, Annette recibi\u00f3 tratamiento intensivo con radioterapia y quimioterapia en el hospital. Annette, cuyo historial m\u00e9dico coincide con el perfil de los pacientes de este estudio, fue declarada libre de c\u00e1ncer en febrero de este a\u00f1o. Ella dijo:<\/p>\n
\u00abMi primer diagn\u00f3stico de c\u00e1ncer de pulm\u00f3n fue, para m\u00ed, una se\u00f1al de que no me quedar\u00eda mucho tiempo de vida. Mi esposo, Conway, hab\u00eda muerto de c\u00e1ncer de senos paranasales el a\u00f1o anterior, as\u00ed que pens\u00e9 que probablemente se unir\u00eda a \u00e9l pronto.<\/p>\n
\u00abCuando se detect\u00f3 la recurrencia en 2014 mediante un esc\u00e1ner, me sent\u00ed molesto porque la pelea a\u00fan no hab\u00eda terminado, pero me alegr\u00f3 que me atendieran en The Royal Marsden. En 2016, por supuesto, no estaba feliz de escuchar que el c\u00e1ncer hab\u00eda regresado, pero acept\u00e9 que se necesitaba m\u00e1s tratamiento, siempre que no afectara mi independencia. Despu\u00e9s de la operaci\u00f3n de mi esposo, su calidad de vida se volvi\u00f3 muy mala y no quer\u00eda que esto me pasara a m\u00ed. <\/p>\n
\u00abEl seguimiento de mi condici\u00f3n durante los \u00faltimos nueve a\u00f1os ha sido fant\u00e1stico. Para empezar, volv\u00ed a The Royal Marsden cada tres meses y luego cuatro meses durante tres a\u00f1os, luego cada seis meses durante dos a\u00f1os. Despu\u00e9s de esto, me hice revisiones anuales. Me sent\u00eda confiado y tranquilo de que, si hab\u00eda alg\u00fan problema, lo iban a recoger y que estaba en buenas manos.<\/p>\n
\u00abTodos en el Royal Marsden ha sido fant\u00e1stico. Mi onc\u00f3loga, la Dra. Merina Ahmed, no solo trat\u00f3 mi c\u00e1ncer, sino que tambi\u00e9n me ayud\u00f3 con otros problemas de salud relacionados con el coraz\u00f3n, la tiroides y la respiraci\u00f3n. El hospital me ha permitido permanecer independiente y activa, por ejemplo, andar en la bicicleta de mi casa y pasar m\u00e1s tiempo con mis hijos y nietos. La atenci\u00f3n que he recibido ha sido asombrosa\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Investigadores desarrollan un nuevo modelo para detectar y combatir la recurrencia del c\u00e1ncer de pulm\u00f3n M\u00e1s informaci\u00f3n:<\/strong> Sumeet Hindocha et al, Una comparaci\u00f3n de m\u00e1quinas m\u00e9todos de aprendizaje para predecir la recurrencia y la muerte despu\u00e9s de la radioterapia con intenci\u00f3n curativa para el c\u00e1ncer de pulm\u00f3n de c\u00e9lulas no peque\u00f1as: Desarrollo y validaci\u00f3n de modelos de predicci\u00f3n cl\u00ednica multivariable, eBioMedicine (2022).DOI: 10.1016\/j.ebiom.2022.103911 Proporcionado por el Instituto de Investigaci\u00f3n del C\u00e1ncer Cita<\/strong>: Estudio de IA ‘primer paso emocionante’ hacia la mejora de la vigilancia posterior al tratamiento de pacientes con c\u00e1ncer de pulm\u00f3n (25 de abril de 2022) consultado el 29 de agosto de 2022 en https:\/\/medicalxpress.com\/news\/2022-04- ai-post-tratamiento-vigilancia-c\u00e1ncer-de-pulm\u00f3n.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona a t\u00edtulo informativo. prop\u00f3sitos solamente.<\/p>\n","protected":false},"excerpt":{"rendered":" C\u00e9lulas de c\u00e1ncer de pulm\u00f3n. Cr\u00e9dito: Anne Weston, Instituto Francis Crick, CC BY-NC 4.0 La inteligencia artificial (IA) podr\u00eda ayudar a guiar la vigilancia posterior al tratamiento de pacientes con c\u00e1ncer de pulm\u00f3n de c\u00e9lulas no peque\u00f1as (NSCLC) y mejorar los resultados como resultado, seg\u00fan un estudio dirigido por investigadores de The Royal Marsden NHS … Continuar leyendo \u00abEstudio de inteligencia artificial: ‘primer paso emocionante’ para mejorar la vigilancia posterior al tratamiento de pacientes con c\u00e1ncer de pulm\u00f3n\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-11716","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/11716","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=11716"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/11716\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=11716"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=11716"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=11716"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}