Si bien las pruebas de detección temprana del cáncer pueden salvar vidas, estas pruebas clínicamente validadas solo cubren algunos tipos, como cáncer de pulmón, colon, hígado, mama, cuello uterino y próstata, siendo limitadas sus tasas de detección y especificidad.
Las tecnologías convencionales de detección del cáncer a menudo resultan inadecuadas para los países de ingresos bajos y medianos (LMIC), debido a su costo, complejidad y dependencia de una infraestructura médica sustancial.
Una prueba innovadora de detección temprana de múltiples cánceres (MCED), impulsada por tecnología de inteligencia artificial (IA), podría salvar numerosas vidas al identificar el cáncer en etapas más tempranas.
La prueba MCED podría revolucionar la detección temprana del cáncer en los LMIC.
OncoSeek, desarrollado, por SeekIn Inc. (Shenzhen, China) es una prueba MCED basada en el análisis de marcadores tumorales proteicos (PTM).
Puede detectar simultáneamente marcadores tumorales característicos para diferentes tipos de cáncer.
Utilizando IA, la prueba puede diferenciar entre individuos con cáncer y aquellos que no lo tienen, mediante el cálculo de un índice de probabilidad de cáncer (POC).
Este cálculo se basa en los niveles de siete PTM en plasma, así como, en el sexo y en la edad de las personas. Con solo una extracción de sangre requerida en los sitios de detección, OncoSeek es asequible y accesible, lo que lo convierte en una opción sostenible en los LMIC.
Un estudio reciente demostró que OncoSeek reduce considerablemente la tasa de falsos positivos en comparación con los métodos clínicos tradicionales.
El artículo de investigación, titulado “Un panel de siete marcadores tumorales proteicos para la detección temprana multicáncer eficaz y asequible mediante inteligencia artificial”, se publicó en ClinicalMedicine, una revista clínica publicada por The Lancet .
El estudio involucró a casi 10.000 participantes de China y de Estados Unidos, de los cuales 1.959 eran pacientes con cáncer y 7.423 personas sanas.
A cada participante se le extrajo un tubo de sangre periférica para la detección de siete proteínas específicas utilizando un analizador de inmunoensayo de electroquimioluminiscencia clínico estándar.
Después de cuantificar los PTM, OncoSeek, utilizando IA, distinguió a los pacientes con cáncer de los sin cáncer, calculó el índice POC y predijo el posible tejido de origen afectado (TOO) para aquellos con señales de cáncer detectadas en la sangre.
La prueba demostró una sensibilidad del 51,7 % y una especificidad del 92,9 %, lo que arrojó en una precisión general del 84,3 %, con una sensibilidad del 49,5 % en pacientes en estadio I y II.
Para la detección de nueve tipos comunes de cáncer, que representan aproximadamente el 59,2 % de las muertes anuales por cáncer en el mundo, las sensibilidades oscilaron entre el 37,1 % y el 77,6 %.
La precisión general de la predicción del TOO en verdaderos positivos es del 66,8 %, lo que podría ser una herramienta útil en los estudios de diagnóstico clínico.
OncoSeek, ofrece una solución no invasiva, eficiente y rentable para MCED y recibió la aprobación de la marca CE-IVD en septiembre de 2022.
Se espera que la inteligencia artificial (IA) se convierta en un impulsor clave de la innovación de dispositivos médicos en el 2023, según GlobalData, y la empresa líder en análisis y datos considera que es probable que aumente el uso de la IA en las prácticas médicas.
Esta predicción proviene de Alexander Murdoch, analista de dispositivos de Global Dat, quien señala que la I.A. está creciendo en varios campos a nivel mundial, y se espera que el mercado alcance los 93.000 millones de dólares en 2023, un 12 % más que en el 2022.
Alexandra Murdoch, analista médica de GlobalData, comenta: “Hay tantos buenos usos para la IA en la industria de dispositivos médicos. Sabemos que se puede utilizar con fines de gestión de datos, cirugía remota, asistencia de diagnóstico, procedimientos, ensayos clínicos y más. Ahora es el momento de invertir en estas tecnologías y avanzar en dispositivos médicos”.
La I.A. tiene la capacidad de mejorar la eficiencia de fabricación de dispositivos médicos y reducir el riesgo a través del aprendizaje automático (ML). Las computadoras pueden recibir grandes cantidades de datos y aprender de los errores en el camino.
Algunas plataformas de IA se enfocan en automatizar y priorizar la seguridad del paciente, y estas plataformas pueden ayudar a los hospitales a administrar mejor sus costos operativos mediante el seguimiento de los tiempos de espera, así como a reducir la duración de la estadía en el departamento de emergencias y de pacientes hospitalizados.
