La IA puede ayudar a los pacientes con cáncer a comenzar la radioterapia antes

La inteligencia artificial puede ayudar a los pacientes con cáncer a comenzar su radioterapia antes y, por lo tanto, a disminuir las probabilidades de propagación del cáncer, al traducir instantáneamente datos clínicos complejos en un plan de ataque óptimo. Los pacientes generalmente deben esperar varios días a una semana para comenzar la terapia, mientras que los médicos desarrollan planes de tratamiento manualmente. Pero una nueva investigación de UT Southwestern muestra cómo los modelos mejorados de aprendizaje profundo simplificaron este proceso a una fracción de segundo. Algunos de estos pacientes necesitan radioterapia de inmediato, pero los médicos a menudo tienen que decirles que se vayan a casa y esperen. Lograr planes de tratamiento óptimos en tiempo casi real es importante y es parte de nuestra misión más amplia de usar la IA para mejorar todos los aspectos de la atención del cáncer ". Steve Jiang, Ph.D., que dirige el Laboratorio de Automatización e Inteligencia Artificial Médica (MAIA) de UT Southwestern La radioterapia es una forma común de tratamiento del cáncer que utiliza haces de radiación alta para destruir las células cancerosas y reducir el tamaño de los tumores. Investigaciones anteriores muestran que retrasar esta terapia incluso por una semana puede aumentar la probabilidad de que algunos cánceres recurran o se propaguen en un 12-14 por ciento. Dichas estadísticas motivaron al equipo de Jiang a explorar métodos de uso de IA para mejorar múltiples facetas de la radioterapia, desde los planes de dosificación iniciales requeridos antes de que el tratamiento pueda comenzar hasta los nuevos cálculos de dosis que ocurren a medida que avanza el plan. Jiang dice que desarrollar un plan de tratamiento sofisticado puede ser un proceso tedioso que requiere mucho tiempo y que implica una revisión cuidadosa de los datos de imágenes del paciente y varias fases de retroalimentación dentro del equipo médico. Un nuevo estudio del Laboratorio MAIA sobre predicción de dosis, publicado en Medical Physics, demostró la capacidad de AI para producir planes de tratamiento óptimos dentro de las cinco centésimas de segundo después de recibir datos clínicos para los pacientes. Los investigadores lograron esto al alimentar los datos de 70 pacientes con cáncer de próstata en cuatro modelos de aprendizaje profundo. A través de la repetición, la IA aprendió a desarrollar representaciones en 3D de la mejor manera de distribuir la radiación en cada paciente. Cada modelo predijo con precisión los planes de tratamiento desarrollados por el equipo médico. El estudio se basa en otra investigación de MAIA publicada en 2019 que se centró en desarrollar planes de tratamiento para el cáncer de pulmón, cabeza y cuello. "Nuestra IA puede eliminar gran parte de la ida y vuelta que ocurre entre el médico y el planificador de dosis", dice Jiang. "Esto mejora la eficiencia dramáticamente". Un segundo estudio nuevo de Jiang, también publicado en Medical Physics, muestra cómo la IA puede recalcular de manera rápida y precisa las dosis antes de cada sesión de radiación, teniendo en cuenta cómo la anatomía del paciente puede haber cambiado desde la última terapia. Un recálculo convencional y preciso a veces requiere que los pacientes esperen 10 minutos o más, además del tiempo necesario para realizar imágenes de anatomía antes de cada sesión. Los investigadores de Jiang desarrollaron un algoritmo de IA que combinaba dos modelos convencionales que se habían utilizado para el cálculo de la dosis: un modelo simple y rápido que carecía de precisión y uno complejo que era preciso pero que requería un tiempo mucho más largo, a menudo aproximadamente media hora. La IA recientemente desarrollada evaluó las diferencias entre los modelos, basándose en datos de 70 pacientes con cáncer de próstata, y aprendió a utilizar la velocidad y la precisión para generar cálculos en un segundo. UT Southwestern planea usar las nuevas capacidades de IA en la atención clínica después de implementar una interfaz de paciente. Mientras tanto, el Laboratorio MAIA está desarrollando herramientas de aprendizaje profundo para varios otros propósitos, que incluyen procesamiento de imágenes e imágenes médicas mejoradas, procedimientos médicos automatizados y diagnóstico de enfermedades y predicción de resultados de tratamiento mejorados.