Detección temprana del cáncer de pulmón con inteligencia artificial

El proyecto con apoyo de TÜBİTAK 1001 en la Universidad Altınbaş tiene como objetivo revolucionar el diagnóstico del cáncer de pulmón utilizando el aprendizaje automático. El equipo del proyecto, liderado por la Dra. Handan Tanyıldızı Kökkülünk, tiene como objetivo lograr un diagnóstico más rápido y preciso a través de la sarcopenia, nuevos biomarcadores de inflamación y biomarcadores anatómico-metabólicos PET/TAC.

Con el aumento de la población mundial, se considera que la gestión del diagnóstico de enfermedades en el campo de la salud no es posible únicamente con mano de obra humana. Se utilizan tecnologías de inteligencia artificial para reducir costos, aumentar la eficiencia, eliminar errores del personal derivados de descuidos y falta de conocimientos, y diagnosticar a los pacientes de manera rápida, precisa y confiable. En este sentido, el uso del aprendizaje automático para diagnosticar el cáncer de pulmón, que es una de las enfermedades cancerosas de alta incidencia y rápida progresión en nuestra sociedad, cobra importancia. En este contexto, el proyecto TÜBİTAK 1001 titulado ‘Predicción del Diagnóstico del Cáncer de Pulmón con Aprendizaje Automático a través de la Sarcopenia, Biomarcadores de Inflamación de Nueva Generación y Biomarcadores Anatómico-Metabólicos PET/TAC’ liderado por la Dra. Handan Tanyıldızı Kökkülünk de la Universidad Altınbaş tiene como objetivo ‘apoyar el diagnóstico temprano del cáncer de pulmón’. Se espera que este enfoque innovador en el diagnóstico y tratamiento del cáncer de pulmón, a través del diagnóstico temprano, mejore la calidad de vida de los pacientes y aporte grandes beneficios a los sistemas de salud.

En las actualizaciones sobre el proyecto, la Dra. Handan Tanyıldızı Kökkülünk proporcionó información sobre los datos utilizados, explicando que actualmente en el estudio del proyecto se realizan solo análisis de sangre de rutina, imágenes PET/TAC y otras pruebas clínicas a los pacientes. A través de estos procedimientos, se obtienen biomarcadores de inflamación como PCR y sedimentación a partir de los resultados de los análisis de sangre, y se calculan datos como el valor de retención estandarizado y el volumen tumoral metabólico a partir de las imágenes PET/TAC. Por otro lado, se determina la masa muscular de los pacientes a través de pruebas de fisioterapia no invasivas. Todos los datos obtenidos se registran y se procesan para su uso en la etapa de aprendizaje automático.

‘Nuestro primer objetivo es ayudar en el diagnóstico del cáncer de pulmón’
La Dra. Tanyıldızı Kökkülünk, al hablar sobre el proyecto, mencionó que el primer objetivo es ‘investigar nuevos biomarcadores de fácil acceso, resultados rápidos, accesibles y de bajo costo que se consideren útiles para ayudar en el diagnóstico del cáncer de pulmón’. Continuó diciendo: ‘A través de los biomarcadores identificados, se desarrollarán algoritmos de aprendizaje automático para facilitar el diagnóstico temprano del cáncer de pulmón, lo que permitirá una transición rápida a la etapa de tratamiento. Se espera que este enfoque innovador en el diagnóstico y tratamiento del cáncer de pulmón, a través del diagnóstico temprano, mejore la calidad de vida de los pacientes y aporte grandes beneficios a los sistemas de salud. Además, el proyecto tiene como objetivo capacitar a investigadores calificados y expertos en el campo.’

El diagnóstico se realizará antes de la evaluación del médico
Tanyıldızı Kökkülünk también mencionó que el modelo de aprendizaje automático permitirá realizar el diagnóstico antes de la evaluación del médico, y concluyó su declaración diciendo: ‘Con el modelo de aprendizaje automático que puede predecir con alta precisión el diagnóstico del cáncer de pulmón, se logrará su integración en la clínica en etapas posteriores. De esta manera, el diagnóstico de cáncer de pulmón del paciente involucrado en el sistema se determinará antes de la evaluación del médico, lo que reducirá la carga de trabajo de los médicos. Este enfoque innovador permitirá implementar un proceso de diagnóstico más eficiente y rápido en el sector de la salud.’