Desmitificando a la Inteligencia Artificial

¿Qué es la Inteligencia Artificial y cómo impacta en la medicina? 

La inteligencia artificial es una conjunto de herramientas tecnológicas, fundamentadas en las matemáticas, que buscan simular la toma de decisiones que realiza la inteligencia humana. Es una rama de estudio de las Ciencias de la Computación. La inteligencia artificial se puede dividir en dos grandes áreas de estudio: el aprendizaje simbólico o symbolic learning y el aprendizaje automático o machine learning. Cuando en medicina nos referimos a la inteligencia artificial, habitualmente es a esta área llamada aprendizaje automático a la que nos estamos refiriendo. En el aprendizaje automático entrenamos a un algoritmo para que aprenda a reconocer un determinado patrón. La forma más sencilla de ver esto es pensar en una regresión linear o en una regresión logística.

Por ejemplo, para determinar el riesgo de malignidad de un nódulo pulmonar, podríamos utilizar el algoritmo de la Clínica Mayo, que con los datos que le aportemos, nos dará la probabilidad de malignidad del nódulo en consideración. Para esto, alguna vez se ingresaron datos como ser edad, bordes del nódulo, exposición al tabaco, etc. y se clasificó a un nódulo como benigno o maligno. Así, el método estadístico optimizó una ponderación para cada una de las variables que le introdujimos y obtuvimos un algoritmo para ser utilizado. A partir de ese momento, ofreciendo un nuevo caso al algoritmo obtendremos una probabilidad de malignidad. En este caso se trata de una regresión logística, ya que nos ofrecerá una probabilidad acerca de un resultado binario: benignidad vs. malignidad. Si el resultado fuese numérico, se trataría de una regresión lineal.

Ahora bien, preguntarán si la regresión logística y lineal sirven de ejemplo para explicar a la inteligencia artificial, ¿por qué tanto entusiasmo alrededor de la la inteligencia artificial? ¿Es sólo el uso de una regresión?

La regresión es sólo el inicio. A partir de ella y con un profundo conocimiento de las formas de optimizarla, se crean modelos matemáticos mucho más complejos. Llegamos así a lo que se conoce como aprendizaje profundo, que es una tecnología dentro de la inteligencia artificial. Y específicamente en el aprendizaje profundo encontramos a las redes neuronales profundas o deep neural networks (DNN). Originalmente se las llamó redes neuronales porque se grafican de manera similar a la que operan las neuronas humanas.

La inteligencia artificial en medicinaPara entenderlo, se debe pensar a una red neuronal de la siguiente manera: tenemos datos que serán el input o entrada de la red neuronal, a partir de los cuales obtendremos un output o información de salida. Tanto el input como el output se conocen como capas o layers: input layer y output layer.

Volviendo al ejemplo del nódulo pulmonar, en la input layer podrían estar los datos de tamaño de nódulo, edad del paciente, bordes, etc. Pero también detalles mucho más finos como datos obtenidos del análisis imagenológico de pixeles de una tomografía. Estos datos atravesarán la red neuronal, en donde cada una de las “neuronas” será una ecuación matemática que ofrecerá un resultado que alimentará a la siguiente “neurona”, que será otra ecuación matemática. Así sucesivamente hasta pasar por decenas de neuronas-ecuaciones y llegar al resultado final en el output layer. El output layer nos dirá si de acuerdo a los datos ingresados, el nódulo es maligno o benigno. Entre la input layer y el output layer están todas estas neuronas-ecuaciones que se conocen como hidden layers. Es en estas hidden layers donde ocurre el procesamiento de datos.

Este es el modelo general de lo que se usa de la inteligencia artificial en medicina. Veamos un ejemplo: nos interesa desarrollar una red neuronal que nos diferencie nódulos pulmonares sólidos de nódulos en vidrio esmerilado. Para esto podríamos tomar una red neuronal accesible libremente. Le ofrecemos imágenes de nódulos pulmonares, etiquetando nosotros mismos a cada imágen como nódulo sólido vs. nódulo en vidrio esmerilado. Tensor Flow de Google es un ejemplo de red neuronal accesible libremente. Entrenaremos así a la red neuronal para que al ofrecerle una nueva imágen, nos diga si se trata de un nódulo sólido o en vidrio esmerilado. En esta etapa es cuando finalmente comprobaremos si la red neuronal ha aprendido.

La medida que se usa para saber si la red neuronal aprendió es el área bajo la curva (ABC) de una una receiver operating characteristic o curva ROC. El ABC va de 0 a 1, siendo un modelo más robusto cuanto más se acerque a 1 el ABC.

En un reciente artículo, Eric Topol resume muchos de los estudios realizados con inteligencia artificial en medicina. Por ejemplo cita el caso en el que un algoritmo tiene un ABC de 0.63 para diagnosticar neumonía en una radiografía de tórax. Como se ve, su diagnóstico es correcto en poco más que la mitad de las veces. En el caso de la cardiomegalia, el ABC mejora hasta 0.87. Si bien el diagnóstico no es perfecto, muchas veces el diagnóstico hecho por un médico no es mucho mejor. Incluso a veces es peor. Son varios los casos en que estos algoritmos tienen una mejor performance que la de un médico especialista. Uno de estos casos es el de un algoritmo entrenado para diagnosticar melanoma cutáneo que obtuvo un ABC de 0.86 vs. el ABC de 0.79 para médicos dermatólogos certificados. Estos resultados son sin tener en cuenta la velocidad de procesamiento de datos que tiene una red neuronal. En cuestión de 1 o 2 segundos podría analizar cualquiera de estas imágenes. Ningún humano puede superarla en este aspecto.

Es este mecanismo de inteligencia artificial por el cual los algoritmos de Facebook aprenden a reconocer caras hasta lograr hacerlo una una gran exactitud. También es la forma en la que operan los autos autónomos para identificar obstáculos en el camino.  

Particularmente, encuentro fascinante el mundo de la inteligencia artificial y creo que tendrá un enorme potencial en medicina. Algunos preguntan si la inteligencia artificial reemplazará a los médicos. Eso podrá ser el tema de otro artículo. La respuesta no es un sí o un no, creo tiene muchos aspectos que deben ser analizados. Si creo que la inteligencia artificial tiene la enorme capacidad de potenciar la calidad de la medicina en el futuro y posiblemente mejorar la salud de las personas.

Para los más interesados, les recomiendo un curso online de inteligencia artificial realizado por uno de los pioneros en la inteligencia artificial, es el curso de Andrew Ng.

Lobectomía vs. Segmentectomía: un complicado dilema para un ensayo clínico

Como ya he escrito en varias oportunidades, han pasado los años y sigue sin aclararse la cuál es la respuesta correcta al momento de decidir una resección pulmonar en un paciente con un cáncer de pulmón temprano, o más específicamente T1aN0. Existe una tendencia creciente, a la que adhiero, en hacer resecciones menores a este grupo de pacientes. El Lung Cancer Study Group, ensayo clínico de los años ‘80, encontró mayores recurrencias locales en aquellos pacientes con resecciones menores, pero lo cierto es que la población estudiada presenta diferencias significativas con la estadificación que hacemos hoy.

Se espera que los ensayos clínicos del CALBG 140503 and JCOG 0802 aclaren esta pregunta en un futuro cercano: ¿Debemos hacer una lobectomía o una segmentectomía en un paciente con un cáncer de pulmón estadío T1aN0?

Mi preocupación es que estos ensayos clínicos llevan varios años en marcha. El CALGB 140503 estuvo activo desde 2007 y reclutó 701 pacientes, mientras que el JCOG 0802 inició en 2009 y reclutó 1,106 pacientes. En diez años aprendimos muchas cosas acerca del cáncer de pulmón: se actualizó la estadificación en dos oportunidades, se introdujeron los conceptos de adenocarcinoma in situ, adenocarcinoma mínimamente invasivo, el valor de subtipos histológicos en la sobrevida o más recientemente el concepto de diseminación a través de los espacios alveolares o STAS. Estos conceptos no eran reconocidos a la hora de iniciar los ensayos clínicos y serán cuestiones que retrospectivamente darán lugar a estudios secundarios. Ya no se trata sólamente de tamaño tumoral y localización. Si bien el TNM como estadificación anatómica de la enfermedad es el gold standard, hoy en día los factores imagenológicos, histológicos y moleculares tienen cada vez mayor preponderancia. Desconozco que tan parametrizadas han estado estas variables en los ensayos clínicos de los que estamos esperando resultados.

Y esto me lleva a una pregunta aún más general: ¿el plazo de ejecución de un ensayo clínico es acorde a la velocidad con la aprendemos sobre las enfermedades?, ¿qué esperamos de los ensayos clínicos en un futuro?

Quiero dejar en claro que reconozco a los ensayos clínicos prospectivos como la mejor evidencia clínica que podríamos tener; sin embargo, creo que sus tiempos de ejecución son una debilidad mayor que cada vez es más manifiesta. Se me ocurre pensar que un futuro (no tan lejano) podamos obtener registro de todas las cuestiones de salud de un paciente mediante registros médicos electrónicos o incluso wearables que permitan almacenar información en tiempo real. Esto nos permitiría tener registros actualizados de manera continua cuyos datos puedan ser explotados. Nunca reemplazarían a los ensayos clínicos, pero en algunas situaciones nos ofrecerían valiosos reportes. Tal vez, en estas circunstancias no tendremos la necesidad de esperar 15 años para obtener los resultados de un estudio clínico y en el camino, ofrecerle opciones más seguras a nuestros pacientes.

La biopsia líquida y el cáncer de pulmón

Hace algo más de dos años que escribía sobre la biopsia líquida y el potencial de desarrollo que presentaba. Dos años después, la biopsia líquida es una realidad de la que cada vez tenemos mayor cantidad de reportes. Hace una semana en el New England Journal of Medicine se publicó una revisión sobre este tema y en octubre en JAMA Oncology se publicó un estudio particularmente en pacientes con cáncer de pulmón.

A modo de revisión, en la biopsia líquida se busca detectar en sangre u otro fluido corporal (orina, ascitis, líquido pleural), células que un tumor desprende, fragmentos de ADN tumorales (circulating tumor DNA o ctDNA) o exosomas (vesículas de membrana con ácido nucleico en su interior). El fundamento de la biopsia líquida está en que un tumor desprende células en el torrente sanguíneo, menos de 10 células por mililitro de sangre en pacientes con tumores metastásicos.

Ya comentábamos hace dos años que detectar células tumorales o ctDNA en la sangre, nos permite el estudio de la heterogeneidad tumoral, debido a que no estudiamos sólo un fragmento de tumor como haríamos en una biopsia, si no células que se desprenden de todo el tumor. Otra ventaja es que el ctDNA aparece en sangre antes que la manifestación clínica de la enfermedad, de manera que podría ser un factor determinante a la hora de detectar recurrencias tumorales. También se sabe que una resección tumoral incompleta, puede asociarse a ctDNA en sangre. Así mismo, la respuesta al tratamiento sistémico, podría detectarse precozmente con la detección de ctDNA.

Específicamente en el estudio de JAMA Oncology, se comparan los hallazgos en perfil de alteraciones mutacionales en biopsias de tejido tumoral vs. biopsia líquida en pacientes con cáncer de pulmón con enfermedad avanzada. Se detectaron mutaciones en EGFR, ALK, MET, BRCA1, ROS1, RET, ERBB2 o BRAF en el 35% de los pacientes (113/323). Hubo pacientes que sólo tuvieron biopsias líquidas (94 pacientes) y el 33% tuvo mutaciones presentes. Cuando a las biopsias de tejidos se le sumó la biopsia líquida, se aumentó de 20.5% a 35.8% el porcentaje de pacientes con mutaciones específicas. Esto significa un mayor número de pacientes que son tratables con agentes específicos y potencialmente mejorar su sobrevida.

¿Habrá llegado el momento de considerar a la biopsia líquida como parte del estudio de los pacientes con cáncer de pulmón avanzado, independientemente de la biopsia de tejido? Espero que muy pronto podamos responder preguntas como estas.

La acreditación hospitalaria

La acreditación hospitalaria es un procedimiento utilizado en el mundo para respaldar la calidad de atención brindada por un hospital. En Estados Unidos, Centers of Medicare and Medicaid Services o CMS financia asi el 40% del gasto en salud y requiere a sus prestadores algún tipo de acreditación, que básicamente se presenta en dos tipos: acreditación privada o una inspección por agencias estatales. El 75% de los hospitales tiene una acreditación privada, principalmente realizada por la Joint Commission (JC) y el resto inspecciones por agencias estatales. La acreditación por la JC es un procedimiento que se hace cada 3 años, mientras que las agencias del estado realizan una visita anual para la inspección del hospital, que puede ser sorpresiva. La mayor parte de los hospitales, prefiere acreditarse por la JC a pesar de los costos de prepararse para la acreditación y la acreditación en sí misma, cuyo costo varía de acuerdo al tamaño del hospital.  

Un reciente artículo publicado en el British Medical Journal por colegas del Brigham and Women’s Hospital en Harvard, se propuso determinar si los resultados médicos en términos de mortalidad hospitalaria dentro de los 30 días, reinternaciones dentro de los 30 días del alta y escala de experiencia del paciente, era significativamente mejor en los hospitales acreditados por los acreditadores privados que por los inspeccionados por las agencias estatales. La hipótesis era que aquellos pacientes acreditados por acreditadores privados (principalmente JC) tendrían más recursos, debido a que invierten dinero en un proceso de acreditación más costoso y por lo tanto porían tener mejores resultados médicos.

La acreditación hospitalariaLos autores encontraron que la mortalidad dentro de los 30 días de la internación era levemente menor en aquellos hospitales acreditados por privados, aunque no lo suficiente para ser estadísticamente significativa la diferencia en base a su definición (10.2% vs 10.6%). La mortalidad de las condiciones quirúrgicas analizadas no fue diferente entre los grupos de hospitales (2.4% en ambos grupos). Las reinternaciones dentro de los 30 días en los hospitales acreditados por privados fue menor, pero no lo fue la reinternación dentro de los 30 días por condiciones quirúrgicas. La escala de satisfacción con la atención recibida, fue mayor significativamente mayor en los hospitales inspeccionados por las agencias del estado.

¿Qué nos deja este trabajo? Primero y principal que una acreditación del tipo que sea o inspección no garantiza resultados médicos. El estudio puede tener muchas limitaciones como no haber realizado un estudio de propensión comparando externaciones similares en ambos grupos. Sin embargo, presenta un alerta importante y es el de qué papel tienen las acreditadoras en el sistema de salud. Creo que resulta positivo para todos cuestionar estos preceptos y ver cómo se aplican estos conceptos a la realidad de cada uno. Es importante la participación directa de profesionales en contacto diario con pacientes en la confección de estándares o requisitos de una atención segura y de calidad para nuestros pacientes. De lo contrario, se corre el grave riesgo de que los requisitos los terminen dictaminando organizaciones con mucho poder de influencia y que podrían no reflejar las mejores prácticas médicas.

Más allá de las limitaciones metodológicas que podría presentar el mencionado trabajo, considero que es un tema que se debe discutir: creo yo que a los pacientes les importa más salir bien de su internación que si el hospital está acreditado o no. Pero esta es mi opinión. Sería bueno que los segundo garantice lo primero y realmente creo que muchas veces es así. Sin embargo, tenemos que aceptar que podría no ser así en todos los casos. Podemos brindar una excelente atención a nuestros pacientes porque sabemos que es lo que hay que hacer o hacerlo con el objeto de acreditar. Es como cuando estudiamos medicina: ¿lo hacíamos para aprender o lo hacíamos para aprobar las materias?

 

Lobectomía vs. Segmentectomía en cáncer de pulmón temprano

Lobectomía vs. segmentectomía es una pregunta que aún nos seguimos haciendo los cirujanos torácicos a la hora de tratar el cáncer de pulmón en estadío temprano. La semana pasada tuve que revisar el tema con motivo de una presentación que debía dar en el Congreso de la Asociación Argentina de Medicina Respiratoria (AAMR) en favor de la segmentectomía.

Al hablar de lobectomía vs. segmentectomía, primero debemos reconocer nuestro sesgo en favor de una o la otra: cualquier argumento que presentemos lo armaremos para defender nuestra posición y esto se conoce como sesgo de confirmación. Dicho esto, pasemos a ver en qué estamos.

La lobectomía vs. segmentectomía para tratar el cáncer de pulmón temprano fue el objeto de estudio de uno de los ensayos clínicos más conocidos para los cirujanos torácicos: el Lung Cancer Study Group (LCSG); en resumen, encontró que los pacientes con segmentectomías, tenían mayor probabilidad de recurrencia locales. En este link pueden ver el video en el que exponía los detalles del LCSG. La limitaciones de este ensayo incluyen: pacientes estadificados con radiografías y sin tomografías, no había PET TC para estadificación a distancia, un tercio de los pacientes tenían resecciones atípicas y no segmentectomías y por último, se me ocurre pensar que todo lo que conocemos sobre la biología tumoral en la actualidad, se desconocía hace 30 años.

Y es este punto que quiero remarcar: es una sobresimplificación hablar de lobectomía vs. segmentectomía para el tratamiento del cáncer de pulmón temprano sin considerar los aspectos biológicos del tumor. Desde la técnica quirúrgica (no es lo mismo una segmentectomía que una cuña pulmonar), hasta la enorme variabilidad de tumores tempranos que hoy en día conocemos: un adenocarcinoma in situ no es lo mismo que un adenocarcinoma mínimamente invasivo u un adenocarcinoma con componente invasivo. ¿Importa la cantidad de componente lepídico o del invasivo para definir el pronóstico? ¿Es lo mismo un tumor de 8 mm que otro de 16 mm? Ambos son tempranos. ¿Qué hay de cuestiones como la diseminación a través de los espacios alveolares o STAS, reconocido actualmente como un factor predictor de recurrencia local? Y así podría seguir indefinidamente. Son muchas las variables a controlar para poder decir con certeza qué es lo mejor.

Una lesión en vidrio esmerilado de este tipo (flecha), debería tratarse con una resección menor
Una lesión en vidrio esmerilado de este tipo (flecha), debería tratarse con una resección menor

Por lo pronto hay dos ensayos clínicos en curso, el CALGB 140503 que tiene como end-point determinar diferencias en el período libre de enfermedad con estas dos cirugías y el ensayo japonés JCOG0802/WJOG4607L, que tiene a la sobrevida como objetivo primario. En los próximos años conoceremos sus resultados. Habrá que ver cómo se abordan todos estos aspectos que mencionaba.

Es mi opinión que la segmentectomía debe realizarse en lesiones menores a los 20 o 15 mm, cuando por imágenes hay un significativo componente en vidrio esmerilado en la misma (podría decir mayor al 50% del total), la lesión sea periférica y sin indicios clínicos de enfermedad mediastinal. Por supuesto, las resecciones menores se indican en pacientes que por función pulmonar no podrían tolerar una lobectomía y esta indicación va más allá de las características del tumor, siempre y cuando sea factible tratarlo con una resección menor.

 

Nuestra nueva publicación en la Revista Americana de Medicina Respiratoria

En el número de septiembre de la Revista Americana de Medicina Respiratoria, hemos publicado nuestra experiencia hasta el año 2017 de lobectomías pulmonares. En la misma comparamos los resultados postquirúrgicos de aquellos paciente operados por toracotomía vs. videotoracoscopía. Las principales diferencias las encontramos en términos de permanencia del drenaje pleural y días de hospitalización. La permanencia del drenaje pleural se redujo en un día y los días de internación en dos.

Es indudable la tendencia actual a resolver cada vez más casos por técnicas mini-invasivas. Es evidente que tiene beneficios para nuestros pacientes. Sin embargo, estos beneficios podrían no ser tan grandes como se los presenta. Los más importante resulta hacer lo que creemos que es mejor para cada paciente. No debemos adaptar el tratamiento a la técnica, si no la técnica al tratamiento que necesitamos realizar.

Lobectomía en la RAMR

¿Por qué lobectomía para tratar el cáncer de pulmón temprano?

En el trabajo del Lung Cancer Study Group (LCSG) está la respuesta. Hacemos lobectomías porque este ensayo clínico demostró que la lobectomía se asocia a menos recurrencias locales. No se encontró un efecto significativo sobre la sobrevida. Lo llamativo es que este estudio es de los años ´80. Es por esto que hay dos nuevos ensayos clínicos que recrearon al LCSG.  Conoceremos sus resultados en unos pocos años más. El estudio del LCSG es fundacional de la cirugía torácica. En este video repasamos sus resultados.

 

Cáncer de pulmón: cómo mejorar la sobrevida

A pesar de los enormes progresos que se han hecho respecto al tratamiento del cáncer de pulmón, la mortalidad ha permanecido relativamente estable durante las últimas décadas. La sobrevida global a 5 años del cáncer de pulmón es del 18%, menor que la sobrevida de otros cánceres más comunes como el colorectal (64%), mama (90%) o próstata (98%).  La reciente introducción de la inmunoterapia ha despertado un creciente interés en el tratamiento de cáncer de pulmón avanzado, debido a los prometedores resultados que ha mostrado en los últimos años. Sin embargo, y en el mejor de los casos, la sobrevida del cáncer de pulmón en estadío avanzado no llega a superar el 16% más allá del tratamiento que se haga.
Por el contrario, la sobrevida a 5 años del cáncer de pulmón temprano alcanza el 90% cuando es tratado con cirugía. Al día de hoy, no existe tratamiento alguno que pueda compararse con estos resultados. Sin embargo, el 65% de los pacientes se diagnostica en estadíos III o IV, cuando la cirugía ya de poco sirve. Sólo el 21.5% se diagnostica en estadío I.
Ha sido mi impresión en estos últimos años que en poco o nada ha cambiado mi práctica médica desde la publicación del NSLT en el 2011. No veo más pacientes con cáncer de pulmón en estadíos tempranos descubiertos con screening a pesar de los resultados concluyentes de ensayo clínico. Leyendo este mes el ATS y yendo a las referencias de la excelente editorial de Raja Flores, veo que mi percepción tiene una validez numérica: en un reciente reporte se muestra cómo en USA la realización de screening de cáncer de pulmón se realiza en sólo el 4% de los pacientes que realmente estaría indicado, a pesar de ser una recomendación de USPTF y estar aprobado por Medicare desde el 2013. En resumen, el NSLT no ha cambiado nuestra práctica.
No sólo la cirugía provee una sobrevida inigualable, si no que también ofrece una excelente calidad de vida y comparada con el gasto que conlleva el tratamiento de la enfermedad avanzada, la cirugía es significativamente menos costosa. Excelentes resultados a bajo costo, ¿no es eso de lo que el valor se trata? La mayor parte de los pacientes operados con cáncer pulmonar vuelve a su vida habitual dentro de las 4 semanas de operado. Hasta que no entendamos que la prevención y la detección precoz es la clave para mejorar la sobrevida de los pacientes con cáncer de pulmón, no esperemos que el pronóstico del cáncer que más muertes ocasiona en el mundo mejore significativamente.