Google muestra que la IA puede predecir el cáncer de pulmón a partir de los exámenes de TC

Google utilizó los avances en el modelado volumétrico en 3D junto con los conjuntos de datos de sus socios para modelar la predicción del cáncer de pulmón y sentar las bases para pruebas clínicas futuras.

En general, los radiólogos pasan por cientos de imágenes en 2D en una sola tomografía computarizada, y el cáncer es minúsculo y difícil de detectar. Los investigadores de Google crearon un modelo que puede generar la predicción general de malignidad del cáncer de pulmón (visto en volumen en 3D), así como identificar tejido maligno sutil en los pulmones (nódulos pulmonares). El modelo también puede tener en cuenta la información de exploraciones anteriores, que puede ser útil para predecir el riesgo de cáncer de pulmón, dado que la tasa de crecimiento de los nódulos pulmonares sospechosos puede ser un indicador de malignidad.

Los investigadores aprovecharon 45.856 casos de cribado con TAC de tórax sin identificación y validaron los resultados con un segundo conjunto de datos y también compararon sus resultados con seis radiólogos certificados de los EUA. Descubrieron que cuando utilizaban una única tomografía computarizada para el diagnóstico, su modelo funcionó a la par o mejor que los seis radiólogos y detectó un 5% más de casos de cáncer, al tiempo que reducía los exámenes falsos positivos en más del 11% en comparación con los radiólogos no ayudados que participaron en el estudio. El enfoque de Google logró un AUC (una métrica común utilizada en el aprendizaje automático que proporciona una medida agregada para el desempeño de clasificación) de 94,4%.

La investigación de Google demuestra que solo el 2-4% de los pacientes elegibles en los Estados Unidos son evaluados para detectar el cáncer de pulmón, demostrando la posibilidad de que la IA aumente la exactitud y la consistencia, ayudando a acelerar la adopción del cribado para el cáncer de pulmón a nivel mundial. Google ahora planea realizar estudios adicionales para evaluar su impacto y utilidad en la práctica clínica. Colabora con el equipo de Google Cloud Healthcare y de Life Sciences para servir el modelo a través de la API de Cloud Healthcare y mantiene conversaciones con sus socios en todo el mundo con el fin de continuar la validación de la investigación adicional y el despliegue.

Enlace relacionado:
Google LLC