El cáncer y la nueva medicina
Por Enrique Dans*
Una compañía, Ezra, que ha levantado previamente cuatro millones de dólares, lanza una metodología basada en una resonancia magnética de cuerpo entero que dura aproximadamente una hora y cuesta, por el momento, en torno a los mil dólares, y que es capaz de diagnosticar con gran fiabilidad hasta once tipos de tumores cancerosos en el hombre y trece en la mujer.
Habitualmente, el diagnóstico de tumores cancerosos se había enfocado de manera sistémica: cada especialidad busca los tumores que corresponden a sus sistemas, los detecta mediante pruebas diagnósticas específicas como la mamografía o la elevación en los niveles de PSA, o se encuentra con ellos en algún otro tipo de exploración.
La idea de la compañía es ser capaz de reducir el coste de la prueba diagnóstica, y proponer que las personas puedan pasar una vez al año por ese procedimiento, lo que permitiría reducir, del 33% de personas que el algún momento de su vida sufrirán un cáncer, el porcentaje de alrededor de la mitad de esos que lo detectan de forma tardía. La detección tardía conlleva que las posibilidades de supervivencia se reduzca a menos del 20%, además de implicar un gran sufrimiento y, desde un punto de vista económico, un coste sensiblemente elevado.
La clave para conseguir una metodología diagnóstica como la de Ezra está, obviamente, en el machine learning. En primer lugar, reducir la necesidad de contraste en las resonancias magnéticas, algo que se consigue entrenando un algoritmo con imágenes obtenidas mediante contraste, con bajos niveles del mismo y sin él. Los contrastes de este tipo, como el gadolinio, generan una mayor complejidad en la prueba y pueden dar lugar a depósitos en el organismo, susceptibles de provocar algunos efectos secundarios. Actualmente, Ezra permite prescindir del contraste en todos los tipos de cáncer menos uno, el cáncer de mama, que puede además ser diagnosticado de manera poco intrusiva, y posibilita que en una prueba de una hora, se puedan diagnosticar la mayoría de los tumores más habituales.
Además, posibilita que las imágenes obtenidas puedan ser examinadas algorítmicamente mediante visión computerizada con una fiabilidad mayor que la de un radiólogo humano, y que únicamente las imágenes que generen algún tipo de dudas puedan pasar a un examen detallado mediante radiólogos cualificados.
Pruebas diagnósticas menos intrusivas, más seguras, con un enfoque amplio y que podemos plantearnos llevar a cabo con una periodicidad mayor, posibilitando una detección más temprana de los problemas. La superposición de machine learning y medicina define, sin duda, el futuro del cuidad de la salud.
*Texto íntegro, publicado gracias a licencias Creative Commons
