Tras años ayudando a entrenar un sistema de inteligencia artificial (IA) para detectar las primeras fases del cáncer de pulmón, Mozziyar Etemadi se emocionó cuando el ordenador encontró tumores en las exploraciones de los pacientes con más precisión que los radiólogos entrenados1. Se emocionó aún más cuando su equipo le dio al sistema viejas tomografías computarizadas (TC) de los pechos de personas que luego desarrollaron cáncer de pulmón. Ningún médico había visto nada malo en estas primeras exploraciones, pero la máquina sí.

«Un humano diría que esto es normal», afirma Etemadi, ingeniero biomédico de la Facultad de Medicina Feinberg de la Universidad Northwestern de Chicago (Illinois). «Pero la IA estaba descubriendo estos patrones sutiles, y estaba muy segura. Estaba encontrando el cáncer». Después de que la máquina completara una ejecución, Etemadi pensó: «Acabamos de descubrir el cáncer de pulmón de este tipo un año o dos antes de lo que habríamos hecho de otro modo». Su mente se aceleró ante la perspectiva de aumentar las posibilidades de supervivencia de miles de personas.

El cáncer de pulmón es el más mortífero del mundo: cerca del 75% de quienes lo padecen mueren en los cinco años siguientes al diagnóstico. Pero cuando el cáncer se detecta pronto, el pronóstico es mucho mejor. Si los tumores son pequeños y se limitan al pulmón, casi dos tercios de las personas sobreviven al menos cinco años.

La necesidad de una detección precoz ha impulsado el desarrollo de sistemas de IA capaces de detectar tumores de pulmón cada vez más pequeños. El sistema en el que trabaja Etemadi -una iniciativa conjunta de Google, la Universidad de Northwestern y otras instituciones- es uno de los varios que ahora avanzan hacia la adopción clínica. En julio de 2020, la Universidad de Oxford (Reino Unido) anunció un programa de investigación de 11 millones de libras (14,3 millones de dólares) para utilizar la IA en el diagnóstico del cáncer de pulmón.

Estos avances prometen hacer que el cribado del cáncer de pulmón sea más preciso y accesible para todos. Pero para que los nuevos sistemas se conviertan en pilares clínicos será necesario cultivar cuidadosamente la relación entre los radiólogos y las máquinas de las que dependen.

Detectar el tumor
Alrededor del 70% de los cánceres de pulmón se detectan en las últimas fases de la enfermedad, cuando son más difíciles de tratar, lo que explica en parte que la tasa de supervivencia a cinco años sea tan baja. Los síntomas iniciales del cáncer de pulmón suelen ser molestias comunes, como la tos persistente o la fatiga, que son fáciles de descartar como intrascendentes. «La gente ignora la tos», dice la oncóloga Mariam Jamal-Hanjani, del Instituto del Cáncer del University College de Londres. «La gente suele acudir a mi consulta con enfermedad metastásica», dice, pero en esa fase el tratamiento eficaz puede estar ya fuera de su alcance.

Estudios realizados en la Universidad de California, en Los Ángeles, y en otros lugares, demuestran que el cribado periódico de las poblaciones de riesgo puede detectar muchos casos de cáncer de pulmón mucho antes, reduciendo la mortalidad en un 20-30%. El Grupo de Trabajo de Servicios Preventivos de EE.UU., un grupo de voluntarios que hace recomendaciones sobre servicios clínicos preventivos, recomienda ahora el cribado anual con TAC en los grupos de alto riesgo de cáncer de pulmón, como los antiguos o actuales fumadores.

Pero el número de radiólogos que evalúan las exploraciones pulmonares no ha aumentado lo suficiente como para seguir el ritmo de la creciente demanda. «Hay tantas tomografías y tanta gente», dice Ulas Bagci, especialista en visión por ordenador de la Universidad de Florida Central en Orlando. Esta intensa carga de trabajo puede hacer que los radiólogos, sobrecargados de trabajo, cometan errores.

Los límites de la visión humana también hacen que los radiólogos pasen por alto pequeñas lesiones malignas. Por ejemplo, hasta el 35% de los nódulos pulmonares se pasan por alto en la exploración inicial. El uso de sistemas de inteligencia artificial puede ayudar en ambos casos, ya que se libera de parte de la carga a los atareados especialistas y se detectan manchas pulmonares invisibles a simple vista.

Los radiólogos ya utilizan herramientas de diagnóstico asistidas por ordenador para ayudarles a detectar tumores malignos. Por lo general, un programador humano indica al sistema qué características debe buscar, pero los ordenadores marcan muchas presuntas malignidades que en realidad son benignas. «A los radiólogos no les gustaba porque tenían que hacer clic en cada una de ellas» para comprobarlas, lo que suponía una gran pérdida de tiempo, afirma Bagci.

Los sistemas de IA más recientes se basan en un principio llamado aprendizaje profundo. En lugar de buscar características de los tumores definidas de antemano por un programador, los sistemas de aprendizaje profundo descubren por sí mismos qué es un tumor a partir de ejemplos del mundo real. Los investigadores proporcionan a los sistemas un gran conjunto de datos que incluye miles de tomografías de pulmón de personas, algunas con cáncer y otras sin él. A partir de ahí, las máquinas aprenden por sí mismas el aspecto de un nódulo de cáncer de pulmón.

Cuantas más exploraciones de entrenamiento vean los sistemas, más fiables serán para distinguir los tumores de pulmón de las manchas benignas. Y lo hacen con mayor precisión que los sistemas más antiguos, no basados en la inteligencia artificial. Algunos de los sistemas de aprendizaje profundo también ofrecen a los médicos una estimación del grado de confianza que tienen en su juicio, lo que puede servir de base para la toma de decisiones clínicas.

Pyenson, B. S., Sander, M. S., Jiang, Y., Kahn, H. & Mulshine, J. L. Health Affairs 31, 770–779 (2012).