Detección temprana de cáncer de pulmón: Impacto de la IA en la salud global

La inteligencia artificial (IA) está abriendo nuevas posibilidades en la detección temprana del cáncer de pulmón, una de las enfermedades más letales a nivel mundial. Este boletín ofrece un panorama general del problema y las oportunidades de la IA en la detección precoz del cáncer pulmonar, basándonos en datos del informe Applying Artificial Intelligence for Early Detection of Lung Cancer.

El tamaño del problema: cáncer de pulmón en cifras

El cáncer de pulmón es el tipo de cáncer más diagnosticado y representa el 12% de todos los casos de cáncer a nivel mundial. Según la Organización Mundial de la Salud (OMS) y la Sociedad Americana del Cáncer, en 2018 se registraron alrededor de 2.1 millones de casos nuevos y aproximadamente 1.8 millones de muertes. El cáncer de pulmón es la principal causa de muerte por cáncer en hombres y la segunda en mujeres, con las tasas de mortalidad más altas en regiones como Europa del Este y Norteamérica para ambos sexos.

Esta enfermedad tiene un bajo índice de supervivencia debido a que, en la mayoría de los casos, es diagnosticada en etapas avanzadas. Esto es especialmente crítico en países de ingresos bajos y medios, donde la infraestructura y el acceso a tecnología de diagnóstico temprano son limitados.

Características del cáncer de pulmón

El cáncer de pulmón se desarrolla cuando las células en el tejido pulmonar comienzan a multiplicarse de manera anormal y descontrolada. Existen dos categorías histológicas principales:

1. Carcinoma de pulmón de células no pequeñas (NSCLC): Representa el 80-85% de los casos. Incluye subtipos como el adenocarcinoma (40%), carcinoma de células escamosas (25-30%) y carcinoma de células grandes (10-15%).

2. Carcinoma de pulmón de células pequeñas (SCLC): Constituye entre el 15% y el 20% de los casos y se asocia principalmente al tabaquismo, con un curso clínico más agresivo (Whitepaper+Lung+Cancer).

Además, ciertos factores de riesgo, como el tabaquismo (que aumenta el riesgo hasta 20 veces en comparación con los no fumadores), y enfermedades respiratorias previas como el EPOC y la tuberculosis, incrementan significativamente la probabilidad de desarrollar cáncer de pulmón

Limitaciones en las técnicas de diagnóstico actuales

Las técnicas convencionales de diagnóstico, aunque efectivas, presentan ciertas limitaciones:

• Tomografía computarizada (TC): Detecta nódulos pulmonares de hasta 1 cm, pero su disponibilidad es limitada en entornos con recursos escasos (Sobue et al.).

• Broncoscopía y biopsia: Si bien son consideradas el estándar para la confirmación diagnóstica, estas técnicas son invasivas y requieren personal especializado (Hirsch et al.).

• Examen de esputo: Una técnica no invasiva, pero con una sensibilidad limitada del 20-30% para detectar cáncer en etapas tempranas (MacDougall y Weinerman).

Cómo la IA mejora la detección temprana del cáncer de pulmón

La IA presenta una alternativa eficaz para complementar las técnicas tradicionales de detección, ayudando a mejorar la exactitud diagnóstica y reducir los costos asociados a diagnósticos tardíos.

• Reducción de falsos positivos y negativos: Según el estudio de Goncalves et al., la IA tiene una exactitud del 94.4% en la identificación de nódulos incidentales, reduciendo en un 11% los falsos positivos y en un 5% los falsos negativos. Esto fortalece la capacidad de laos médicos para interpretar imágenes y optimiza la infraestructura médica (Goncalves et al.).

• Sensibilidad aumentada en la detección de nódulos: El estudio de Ueda et al. muestra que, al usar IA, la sensibilidad de los médicos en la detección de nódulos pulmonares en radiografías de tórax aumentó de 0.47 a 0.60, especialmente en médicos generales con menos experiencia en radiología torácica (Ueda et al.).

GUIA PARA CREAR UN MODELO DE INTELIGENCIA ARTIFICIAL EN SALUD

¿Te has preguntado cómo se construye los modelos de Inteligencia Artificial en Salud? 

Es usual que las personas conozcan los problemas que afectan la eficiencia de los sistemas de salud y sus empresas,  pero no identifican qué los genera conociendo las causas se construyen soluciones, en parte de esos errores la IA ayuda a reducir los costos, ser eficientes y aumentar la productividad. En este podcast aprenderás:

• Problema: Identificar desafíos específicos en salud.

• Modelos IA: Usos predictivos y no predictivos en salud.

• Datos: Estructurar datos para aprendizaje continuo.

• Implementación: Desarrollar y validar modelos con ética.

• Monitoreo: Supervisar y ajustar exactitud en tiempo real.

¡Escúchalo ahora aquí!

Cuando quieras conversar, así podemos ayudarte

Consultoría gratuita: Reserva una consultoría gratuita con Laura Velázquez de 30 minutos.

Curso de introducción a la IA en Salud: Es un curso diseñado para líderes en salud que te enseñan estrategias para implementar IA en tu organización con el fin de reducir gastos, incrementar el impacto y alcance de tu organización. Tenemos 100 puestos disponibles de acceso gratuito.

Promociónate a más de 2.000 suscriptores patrocinando AI Heroes. Reserva un espacio con nosotros en este link para explorar nuestra colaboración.

______________________________________________________________________________________