🇺🇸 This article is also available in English! Use the language selector at the bottom of the page.
🇲🇽 ¡Este artículo también está disponible en inglés! Usa el selector de idioma en la parte inferior de la página.
Spanish: ¡Este artículo también está disponible en inglés! Usa el selector de idioma en la parte inferior de la página.
Por: Equipo Editorial
Un revolucionario modelo de inteligencia artificial desarrollado por Mayo Clinic está cambiando el panorama del diagnóstico del cáncer de páncreas, una de las enfermedades más letales y difíciles de detectar en sus etapas tempranas.
El sistema, denominado Modelo de Detección Temprana Basado en Radiómica (REDMOD, por sus siglas en inglés), ha demostrado la capacidad de identificar signos sutiles de cáncer de páncreas en tomografías computarizadas (TC) abdominales de rutina hasta tres años antes del diagnóstico clínico tradicional. Los hallazgos fueron publicados recientemente en la prestigiosa revista médica Gut.
En un estudio de validación histórico que analizó casi 2,000 tomografías, REDMOD identificó exitosamente el 73% de los cánceres en etapa prediagnóstica con una mediana de 16 meses antes del diagnóstico oficial. Esta tasa de detección es casi el doble de la que logran los especialistas humanos revisando las mismas imágenes sin asistencia de la IA.
El Dr. Ajit Goenka, radiólogo de Mayo Clinic y autor principal del estudio, señaló que la mayor barrera para salvar vidas en el cáncer de páncreas ha sido la incapacidad de ver la enfermedad cuando aún es curable. ‘Esta IA ahora puede identificar la firma del cáncer en un páncreas de apariencia normal, y puede hacerlo de manera confiable a lo largo del tiempo’, explicó.
El cáncer de páncreas rara vez presenta síntomas en sus primeras etapas, lo que lleva a que más del 85% de los pacientes reciban el diagnóstico cuando la enfermedad ya se ha propagado. Con una tasa de supervivencia a cinco años inferior al 15%, herramientas como REDMOD representan una esperanza sin precedentes. El modelo mide cientos de características cuantitativas de textura y estructura en las imágenes, capturando cambios biológicos microscópicos antes de que aparezca una masa tumoral visible.
¡Suscríbete a nuestro boletín!
Recibe las últimas noticias directamente en tu correo electrónico.