Inteligencia artificial para mejorar los tratamientos de cáncer de pulmón

El cáncer de pulmón es la principal causa de muerte por cáncer. Según algunas estimaciones, en el año 2022 se superará la cifra de 236.000 nuevos casos diagnosticados y más de 130.000 muertes a causa de esta enfermedad. Aunque estas cifras han ido disminuyendo en los últimos años, aún es necesario mejorar los métodos de detección y los tratamientos para seguir incrementando tanto la supervivencia como la calidad de vida de los pacientes.

Y es que los tratamientos actuales contra el cáncer se caracterizan por las toxicidades y los efectos secundarios que generan. Por este motivo, encontrar tratamientos efectivos que aumenten la supervivencia del paciente y reduzcan las toxicidades, es un objetivo primordial.

En este contexto, un estudio realizado por investigadores de la Universidad Politécnica de Madrid (UPM) se ha centrado en el análisis de datos clínicos sobre pacientes de cáncer de pulmón con el fin de obtener patrones estadísticos de los mejores tratamientos, teniendo en cuenta el perfil de la enfermedad del paciente que se está tratando.

El estudio, llevado a cabo por investigadores del Laboratorio de Análisis de Datos Médicos (MEDAL) – Centro de Tecnología Biomédica, y del Departamento de Lenguajes y Sistemas Informáticos e Ingeniería del Software (ETS de Ingenieros Informáticos) de la Universidad Politécnica de Madrid, ha contado con la colaboración del Hospital Universitario Puerta de Hierro, que ha proporcionado los datos clínicos sobre tratamientos de cáncer de pulmón.

La investigación se enmarca dentro del proyecto europeo P4-LUCAT, que tiene como objetivo tratar de encontrar estrategias relativas a los tratamientos que, por una parte, puedan mejorar la supervivencia de los pacientes, y por otra, puedan reducir las toxicidades asociadas a estos últimos. Todo ello mediante la integración y análisis de distintas fuentes de datos: historiales clínicos electrónicos, publicaciones científicas y datos abiertos (open data).

En la figura se pueden ver las distintas fuentes de datos no estructurados consultadas en el proyecto P4-LUCAT para convertir esta información en datos estructurados. (Imagen: UPM)

“Sobre estos datos se aplican algoritmos de inteligencia artificial para tratar de dar respuesta a los objetivos planteados”, explica Alejandro Rodríguez González, catedrático de la UPM y coordinador del proyecto. Además, el proyecto hace uso de otras tecnologías, como las relativas al procesamiento de lenguaje natural, para identificar términos y asociaciones relevantes sobre datos como síntomas, tratamientos y efectos.

El estudio presenta los resultados preliminares sobre el descubrimiento de patrones estadísticos en tratamientos de cáncer de pulmón, teniendo en cuenta las características de la enfermedad desarrollada en el paciente. Estos patrones han sido contrastados con guías clínicas, documentos que recogen unas directrices para ser utilizadas por oncólogos en su práctica médica cotidiana.

Los resultados, indica el investigador de la UPM, “mostraron que los patrones encontrados en los tratamientos prescritos a los pacientes coinciden con las directrices de las guías clínicas oncológicas”. Además, los autores del estudio han detectado la necesidad de incluir en los análisis información relativa a los resultados y efectos secundarios de los tratamientos, para poder realizar una evaluación más informada de los patrones estadísticos encontrados en los tratamientos y su comparación con las guías clínicas.

“Los resultados obtenidos en la investigación constituyen un primer paso para el análisis de datos de tratamientos de cáncer de pulmón, y que los resultados de dichos análisis se puedan integrar en un sistema de información”, señala Rodríguez. Dicho sistema de información podrá ser aplicado en el entorno clínico para ayudar al médico aportándole información acerca del resultado que un tratamiento puede tener, estadísticamente, dependiendo de las características del paciente que está tratando. En un fututo, “estos resultados podrán tener un gran impacto en el ámbito de la salud mejorando la supervivencia y calidad de vida de los pacientes, con la consecuente reducción de los gastos del sistema sanitario”, concluye Guillermo Vigueras, profesor de la UPM y coordinador técnico del proyecto. (Fuente: UPM)