Un nuevo e innovador modelo de aprendizaje profundo de IA es casi cinco veces mejor que los tradicionales para predecir el riesgo de cáncer de mama

Un nuevo estudio de la Universidad de Copenhague ha demostrado que inteligencia artificial (IA) podría transformar drásticamente la forma en que evaluamos el riesgo de cáncer de mama. El cáncer de mama es uno de los más frecuentes en todo el mundo. Sólo en EE.UU. se producen anualmente 287.850 nuevos casos y 43.250 muertes. La nueva investigación, publicada en The Lancet Digital Health, sugiere resultados prometedores basados en modelos de IA entrenados para detectar la senescencia celular, que pueden predecir el riesgo de padecer cáncer de mama en el futuro de forma mucho más eficaz que los parámetros clínicos actuales.

Primero lo básico: ¿qué es la senescencia celular? Es un proceso en el que las células dañadas o envejecidas dejan de dividirse pero permanecen activas. A menudo se relaciona con enfermedades relacionadas con el envejecimiento, incluido el cáncer. Estas células "senescentes" se describen a veces como "células zombis" porque ya no funcionan con normalidad pero siguen emitiendo señales inflamatorias, lo que podría conducir al crecimiento de tumores. Aunque la senescencia puede actuar como un freno natural a la división celular descontrolada, paradójicamente también puede promover el cáncer a través de estas señales inflamatorias, conocidas como fenotipo secretor asociado a la senescencia (SASP, por sus siglas en inglés).

Hasta ahora, medir la senescencia en los tejidos humanos ha sido difícil debido a la falta de biomarcadores específicos. Sin embargo, el estudio de la Universidad de Copenhague utiliza iA de aprendizaje profundo para analizar las morfologías nucleares -las formas de los núcleos celulares- en muestras de tejido mamario. Esto permite predecir el riesgo de cáncer de mama basándose en los cambios de las células senescentes, incluso en muestras de biopsia sanas.

Los investigadores realizaron un estudio de cohortes retrospectivo utilizando biopsias de tejido mamario de 4.382 mujeres sanas. Estas muestras se analizaron con una herramienta de aprendizaje profundo denominada Predictor de senescencia nuclear (NUSP). El modelo de IA examinó más de 32 millones de núcleos en varios tipos de tejido para detectar células senescentes y determinar su distribución en el tejido. Mediante una cuidadosa evaluación de estas células senescentes en el tejido epitelial, adiposo y estromal, el sistema de IA fue capaz de correlacionar los patrones de senescencia con el riesgo futuro de cáncer. Como referencia, el tejido epitelial forma el revestimiento de las glándulas y superficies del cuerpo, incluidos los conductos mamarios, donde a menudo se origina el cáncer. El tejido adiposo está formado por células grasas que almacenan energía, y el tejido estromal proporciona soporte estructural a los órganos, incluidos los tejidos conectivos que rodean y soportan las células epiteliales.

Los resultados generales fueron más que prometedores. Las mujeres cuyas muestras de tejido mostraban patrones específicos de senescencia tenían una probabilidad mayor o menor de desarrollar cáncer de mama, dependiendo del tipo de senescencia detectado. Por ejemplo, un modelo (entrenado en la senescencia causada por daños en el ADN) indicaba un mayor riesgo de cáncer cuando en el tejido había altos niveles de células senescentes. Otro modelo (entrenado en la senescencia inducida por fármacos) sugería un efecto protector, reduciendo el mismo riesgo.

En comparación con el modelo Gail-que es el patrón oro clínico actual para predecir el riesgo de cáncer de mama- el modelo de IA demostró una precisión muy superior. Cuando se combinó con la puntuación Gail, el modelo de IA aumentó el cociente de probabilidades (una medida de la fuerza con la que ciertos factores de riesgo predicen los resultados) a 4,70, casi cinco veces el poder predictivo de la puntuación Gail por sí sola.

Este avance, siempre y cuando se comercialice, podría ofrecer a los médicos una forma mucho más refinada de identificar a las personas de alto riesgo y proporcionarles las intervenciones que tanto necesitan. La capacidad de predecir el riesgo de cáncer de mama varios años antes de que se desarrolle podría conducir a diagnósticos más precoces y a programas de cribado más personalizados, reduciendo las pruebas innecesarias para las mujeres de bajo riesgo y aumentando la vigilancia para las personas de alto riesgo.

El potencial de la IA es inmenso en este sentido, especialmente cuando se trata de avanzar en el diagnóstico del cáncer. Aunque la tecnología aún está en desarrollo (y lo estará durante bastante tiempo), su aplicación podría revolucionar la detección del cáncer de mama. Utilizando muestras de tejido estándar, este método de IA puede implantarse en todo el mundo.

Aunque se necesita mucha investigación adicional para perfeccionar dichos modelos, la mejora de la predicción del riesgo podría conducir a una detección más temprana del cáncer, a planes de tratamiento más eficaces y, en última instancia, a una reducción de las tasas de mortalidad por cáncer de mama. Ésta es una aplicación de la IA en el mundo real que todos podemos respaldar.