Las investigaciones apuntan a que las herramientas tecnológicas y el aprendizaje automático optimizan la identificación de tumores en etapas iniciales.
La tecnología avanza a pasos agigantados en el ámbito de la salud. Investigaciones recientes señalan que la inteligencia artificial podría convertirse en una pieza clave para la prevención y detección del cáncer de páncreas, así como de los tumores vinculados a esta enfermedad.
De acuerdo con cifras compartidas por la Organización Panamericana de la Salud, este tipo de cáncer concentra el 7,2% de los fallecimientos por afecciones cancerosas en mujeres y el 7% en hombres dentro de América Latina. El organismo destaca que un treinta por ciento de los casos logran curarse si se diagnostican de forma anticipada.
El reto de los tumores pequeños
Uno de los mayores obstáculos para los especialistas es la ausencia de señales evidentes en las fases iniciales de la afección, lo que dificulta intervenir antes de que se extienda a otras zonas, según la Mayo Clinic. Sin embargo, el uso de tomografías computarizadas apoyadas por sistemas computarizados busca superar esta barrera.
Un análisis difundido en la revista BMC Cancer expuso que una herramienta de detección asistida por computadora alcanzó una sensibilidad del 89,9% y una especificidad del 95,9% al reconocer masas tumorales. En el caso específico de formaciones menores a dos centímetros, la efectividad llegó al 74,7%, lo que ayuda a disminuir los tiempos de espera para recibir atención médica oportuna.
Comparación y aprendizaje automático
El mismo análisis contrastó el desempeño tecnológico con el criterio de especialistas en un centro médico avanzado, encontrando similitudes en los porcentajes de acierto. Esto indica que los sistemas automáticos sirven para disminuir los errores derivados de la disparidad en la experiencia profesional, detallando además la ubicación estimada de la anomalía.
Por otro lado, publicaciones en Communications Medicine y Nature Medicine refieren que el aprendizaje automático permite superar retos anatómicos y analizar historiales médicos longitudinales. Al respecto, se destaca que mediante estos modelos de predicción se logró examinar una muestra masiva de un millón de personas para ubicar con exactitud a los mil pacientes con mayor vulnerabilidad, enfocando así los esfuerzos de vigilancia y mejorando las expectativas de bienestar.
Con información de www.opinion.com.bo.
Foto de portada: Artem Podrez en Pexels.