La radiografía de tórax es la prueba más utilizada para detectar posibles lesiones en los pulmones. Pero es tal la cantidad de placas que se realizan a diario, especialmente en urgencias, que llegan a pasar desapercibidos pequeños detalles que pueden dejar entrever la presencia de un tumor maligno. Hasta la fecha, la detección de nódulos pulmonares en radiografías no ha sido del todo satisfactoria y han demostrado ser propensas a errores de lectura. Por eso el departamento de Neumología de Povisa se ha lanzado a una pionera investigación en la que plantea la aplicación de inteligencia artificial (concretamente, un sistema denominado Deep Learning), para que esas radiografías de tórax tradicionales lleven incorporado un algoritmo informático que detectará con una eficacia de más del 90% posibles lesiones malignas en los pulmones.
Tal y como explica la jefa del servicio de Neumología de Povisa e impulsora de esta investigación, Dolores Corbacho, la eficacia de este sistema "superaría los hallazgos clínicos de un médico de urgencias que vea una placa de tórax e igualaría los diagnósticos de un radiólogo especialista".
En un entorno de emergencias y atención primaria o cuando no sea posible que el radiólogo participe en el proceso, esta herramienta supondría un apoyo diagnóstico a aquellos médicos y residentes con falta de experiencia en la lectura de radiografías o sometidos a una gran presión en el día a día. Y es que el algoritmo haría una lectura preliminar de la placa, alertando de la presencia de alguna patología, especialmente tumores malignos.
La investigación se está llevando a cabo entre Povisa y la empresa tecnológica madrileña Cognodata. En la actualidad el algoritmo está en proceso de elaboración y en Povisa esperan que pueda empezar a funcionar, según las previsiones más optimistas, en el plazo de un año. No estará operativo, sin embargo, hasta que esté perfeccionado al cien por cien, porque uno de los problemas que podría generar si estuviera defectuoso es provocar falsos positivos.
El cáncer de pulmón es el tumor maligno más frecuente en el varón y el tercero en la mujer. Su diagnóstico en fases muy avanzadas provoca que se trate de una de las causas más frecuentes de muerte. De ahí el interés en mejorar y agilizar los procesos de detección. En los últimos años han surgido numerosas técnicas diagnósticas que mejoran la aproximación al cáncer, pero también, por otra parte, pueden suponer prolongar el estudio. Esto podría suponer un problema añadido en los centros que no disponen de todas las técnicas necesarias para el correcto etiquetado de este tipo de pacientes, así como para su correcto tratamiento (cirugía torácica).
"Por todo ello, el correcto abordaje de estos enfermos exige una coordinación y organización conjunta de todos los profesionales implicados en su manejo. Para ello se crearon, ya hace años, los comités multidisciplinares, que han conseguido minimizar la variabilidad en la práctica clínica. Además, la creación de circuitos básicos se hace esencial para mejorar las demoras existentes en cada uno de los pasos, ya que se pueden establecer responsabilidades en las tareas y puntos de control en los tiempos de espera. Todo ello para mejorar la efectividad y la eficiencia de todas las actuaciones", explica la jefa de neumología de Povisa.
El Deep Learning, la inteligencia artificial en la que se basa el sistema que está desarrollando Povisa, se caracteriza por la utilización de redes neuronales profundas que se entrenan en base a una gran cantidad de datos. El algoritmo será más eficaz cuantos más datos haya.
