Revista El Color del Dinero

Bienvenidos a Spain News Today.

La inteligencia artificial está superando a los humanos en la creación de tratamientos contra el cáncer, pero ¿confían los médicos en ella?

imagen: El autor principal, el Dr. Purdy, dice que puede haber una desconexión entre el tipo de configuración de laboratorio y la clínica en las terapias generadas por IA. Escena Más

Crédito: Cortesía del Dr. Purdy.

(Toronto, 3 de junio de 2021) – Los investigadores de Princess Margaret han probado el impacto de la implementación de inteligencia artificial (IA) para tratar el cáncer por radiación en un entorno clínico del mundo real en un estudio único en el que participaron médicos y sus pacientes.

Un equipo de investigadores ha comparado directamente las evaluaciones de los médicos de los tratamientos de radiación generados por un algoritmo de aprendizaje automático (ML) con inteligencia artificial con los tratamientos de radiación tradicionales generados por humanos.

Descubrieron que en la mayoría de los 100 pacientes estudiados, los médicos consideraron clínicamente aceptables las terapias resultantes que utilizan ML para tratar a los pacientes.

En general, el 89% de las terapias generadas por ML se consideraron clínicamente aceptables para los tratamientos, y el 72% de las terapias generadas por humanos se seleccionaron en comparaciones directas con las terapias convencionales generadas por humanos.

Además, el proceso de radioterapia ML fue un 60% más rápido que el proceso convencional dirigido por humanos, lo que redujo el tiempo total de 118 horas a 47 horas. A largo plazo, esto podría representar un ahorro de costos significativo a través de una mayor eficiencia, mientras que al mismo tiempo se mejora la calidad de la atención clínica, una ganancia poco común.

El estudio también tiene implicaciones más amplias para la inteligencia artificial en medicina.

Si bien las terapias ML se han preferido significativamente cuando se evalúan fuera del entorno clínico, como en la mayoría de los trabajos científicos, las preferencias de los médicos por las terapias inducidas por ML han cambiado cuando se usa el tratamiento de elección, ML o el producto humano, para tratar a un paciente.

En este caso, la cantidad de terapias de ML seleccionadas para tratar a los pacientes se ha reducido drásticamente y se ha emitido una nota de advertencia a los equipos que estén considerando implementar sistemas de IA insuficientemente validados.

Los resultados del equipo de estudio dirigido por el Dr. Chris McIntosh, Lee Conroy, Ally Berlin y Tom Purdy han sido publicados en medicina natural3 de junio de 2021.

“Hemos demostrado que la IA puede ser mejor que el juicio humano sobre la radioterapia con fines de tratamiento. De hecho, es sorprendente que funcione tan bien”, dijo el Dr. McIntosh, científico del Peter Munk Heart Center, Techna Institute, y jefe de imagenología médica e inteligencia artificial en el Departamento Conjunto de Imágenes Médicas y la Universidad de Toronto.

“El hallazgo principal es lo que sucede cuando realmente lo implementa en un entorno clínico en comparación con una simulación”.

El Dr. Purdy, físico médico del Princess Margaret Cancer Center, agrega: “Ha habido mucha emoción generada por la inteligencia artificial en el laboratorio, y se supone que estos resultados se traducirán directamente en un entorno clínico. Pero publicamos una advertencia en nuestra investigación que es posible que no “.

“Una vez que se ponen las terapias que resultan del ML en manos de personas que dependen de ellas para tomar decisiones clínicas reales sobre sus pacientes, esa preferencia por el ML puede disminuir. Puede haber una desconexión entre lo que sucede en el tipo de laboratorio y lo clínico”. El Dr. Purdy también es profesor asociado del Departamento de Oncología Radioterápica de la Universidad de Toronto.

En el estudio, se pidió a los oncólogos radioterapeutas que calificaran dos tipos diferentes de tratamientos de radiación, ya sea ML o generados por humanos, con los mismos criterios estandarizados en dos grupos de pacientes que eran similares en características demográficas y de enfermedad.

La diferencia fue que un grupo de pacientes ya había recibido el tratamiento, por lo que la comparación fue un ejercicio “simulado”. El segundo grupo de pacientes estaba a punto de comenzar el tratamiento con radioterapia, por lo que si los tratamientos generados por IA se consideraban superiores y preferidos sobre sus homólogos humanos, se utilizarían en tratamientos reales.

Los oncólogos desconocían la existencia de radioterapia diseñada por un humano o una máquina. Los tratamientos artificiales se crearon individualmente para cada paciente de acuerdo con el protocolo habitual por parte del radioterapeuta especialista. En contraste, cada tratamiento de ML fue desarrollado por un algoritmo de computadora entrenado en una base de datos de alta calidad, revisada por pares, de planes de radioterapia de 99 pacientes previamente tratados por cáncer de próstata en Princess Margaret.

Para cada nuevo paciente, el algoritmo ML identifica automáticamente a los pacientes más similares en la base de datos, utilizando métricas de similitud obtenidas de miles de características de imágenes de pacientes, órganos diana específicos y órganos sanos que son una parte estándar del proceso de radioterapia. El tratamiento completo de un nuevo paciente se infiere de los pacientes más similares de la base de datos, según el modelo ML.

Aunque las terapias para la ML se calificaron altamente en ambos grupos de pacientes, los resultados en el grupo de pretratamiento divergieron del grupo de postratamiento.

En el grupo de pacientes que ya habían recibido tratamiento, el número de tratamientos resultantes de LA sobre la humanidad fue del 83%. Esto se redujo al 61% para los seleccionados específicamente para el pretratamiento.

“En este estudio, estamos diciendo que los investigadores deben prestar atención al entorno clínico”, dice el Dr. Purdy. “Si los médicos sienten que la atención de un paciente está en riesgo, esto puede afectar su juicio, aunque los tratamientos de ML se hayan evaluado y validado”.

El Dr. Conroy, físico médico de Princess Margaret, señala que después del exitoso estudio, las terapias generadas por ML se utilizan para tratar a la mayoría de los pacientes con cáncer de próstata de Princess Margaret.

Explicó que este éxito se debe a una planificación cuidadosa, una integración progresiva prudente en el entorno clínico y la participación de múltiples partes interesadas a lo largo del proceso de creación de un programa de aprendizaje automático sólido, y agregó que el programa se está refinando constantemente, los oncólogos son constantemente consultados y retroalimentación dada, y los resultados de qué tan bien son los tratamientos ML refleja la precisión clínica con ellos.

“Hemos sido muy organizados en la forma en que incorporamos esto en la clínica de Princess Margaret”, dijo el Dr. Berlin, científico clínico y oncólogo de radiación en Princess Margaret. “Tomó seis meses crear este nuevo programa, pero para que todos se sintieran cómodos con el proceso, tomó más de dos años. Visión, audacia y perseverancia son ingredientes clave, y en Princess Margaret tenemos la suerte de tener líderes en todas las disciplinas que encarnan estos rasgos “. El Dr. Berlin también es profesor adjunto del Departamento de Oncología Radioterápica de la Universidad de Toronto.

El éxito de lanzar un estudio de este calibre se basó en gran medida en el compromiso de todo el grupo de cáncer genitourinario de Princess Margaret, incluidos los oncólogos radioterapeutas, los físicos médicos y los radioterapeutas. Este fue un gran esfuerzo de equipo multidisciplinario con el objetivo final de mejorar el tratamiento del cáncer por radiación para los pacientes de Princess Margaret.

El equipo también está trabajando para expandir su trabajo a otros sitios de cáncer, incluidos pulmones y monstruos, con el objetivo de reducir la cardiotoxicidad, un posible efecto secundario del tratamiento.

###

Otros autores que contribuyeron a este artículo son: Michael C. Tung, Tim Craig, Andrew Bailey, Charles Caton, Marie Jospodarovich, Joel Helou, Tone Esfahanian, Vicki Kong, Tony Lam, Srinivas Raman, Padrej Ward y Peter Chong.

Este trabajo fue apoyado por los Institutos Canadienses de Investigación en Salud, el Consejo Nacional de Investigación en Ciencia e Ingeniería de Canadá y la Fundación del Cáncer Princess Margaret.

conflicto de intereses

Chris McIntosh y Thomas Purdy reciben regalías de RaySearch Laboratories en relación con las técnicas de radioterapia ML. Los autores restantes no informaron intereses en competencia con este estudio.

Acerca de Princess Margaret Cancer Center

El Princess Margaret Cancer Center se ha ganado una reputación internacional como líder mundial en la lucha contra el cáncer y en la prestación de tratamientos oncológicos personalizados. Princess Margaret, uno de los cinco principales centros internacionales para la investigación del cáncer, es miembro de la University Health Network, que también incluye el Hospital General de Toronto, el Hospital Toronto Western, el Instituto de Rehabilitación de Toronto y el Instituto de Educación Michener de la UHN. Todos son hospitales de investigación afiliados a la Universidad de Toronto. para más información: http: // www.Princesa Margarita.quien – cual

Para entrevistas informativas, comuníquese con:

María Madden

Asistente de Relaciones Públicas y Comunicaciones

Princess Margaret Cancer Center, University Health Network

Tel: (647) 978-2008

Correo electrónico: [email protected]

READ  Las cinco creencias alimentarias están respaldadas al 100% por la ciencia