Un equip d'investigadors de la Universitat de Plymouth ha dissenyat un sistema d'intel·ligència artificial batejat com a PRECISE-AGZ, capaç d'analitzar historials clínics digitalitzats per identificar indicis primerencs de càncer de bufeta. L'eina ha demostrat capacitat per detectar patrons de risc complexos i símptomes subtils amb una anticipació de fins a cinc anys respecte al diagnòstic formal.
El càncer de bufeta sol presentar símptomes inicials inespecífics. Quadres comuns com l'hematúria (presència de sang a l'orina) s'atribueixen amb freqüència a afeccions benignes, infeccions del tracte urinari, litiasi renal o hiperplàsia benigna de pròstata, cosa que sol demorar la derivació a l'especialista. Per solucionar aquesta manca d'especificitat, PRECISE-AGZ no analitza signes aïllats, sinó la interacció correlacionada de múltiples variables clíniques al llarg del temps.
Selecció de 38 factors clau i precisió analítica
Per desenvolupar i entrenar l'algorisme, els científics van processar els registres mèdics de gairebé 70.000 pacients. Després d'avaluar una bateria inicial de més de 48.000 variables, que abastaven des del tabaquisme i el nivell d'activitat física fins a diagnòstics previs i prescripcions farmacològiques, l'algorisme va depurar el model fins a seleccionar 38 factors predictius clau:
-
Sensibilitat i especificitat: En les proves de validació, l'eina va identificar correctament el 85% dels pacients que van acabar desenvolupant la malaltia i va classificar de forma precisa el 91% dels individus sans.
-
Finestra d'intervenció: Tot i que la petjada de risc és detectable cinc anys abans de la manifestació severa, la màxima precisió predictiva del model es concentra en els 12 mesos previs al diagnòstic clínic tradicional.
Optimització de cistoscòpies mitjançant triatge de risc
L'aplicació de PRECISE-AGZ promet agilitzar la presa de decisions en els serveis d'urologia. En l'actualitat, la confirmació d'aquesta patologia requereix una cistoscòpia, un procediment exploratori invasiu que exigeix introduir una càmera a través de la uretra. En classificar els pacients en tres estrats de risc (baix, intermedi i alt), el model permet als metges d'atenció primària prioritzar les derivacions urgents per a cistoscòpia en aquells casos etiquetats com d'alt risc, evitant exploracions molestes i innecessàries en aquells enquadrats en la franja baixa.
Malgrat aquests prometedors resultats, els autors de l'estudi emfatitzen que PRECISE-AGZ es troba en fase de validació creuada. En haver-se entrenat exclusivament amb dades del servei sanitari gal·lès, serà imprescindible provar l'algorisme en poblacions més diverses abans de la seva integració en els sistemes d'història clínica electrònica. Aquests avenços indiquen que la IA està a un nivell superior del que es pensava i que és possible emprar-la per al bé, que no tot resulta ser nociu i que pot ajudar a la progressió dels sistemes de salut i ser un complement, però no una substitució.