La IA predice la supervivencia de un paciente con cáncer leyendo las notas del médico

resumen: Un nuevo algoritmo de procesamiento de lenguaje natural es capaz de examinar las notas de los médicos y predecir la tasa de supervivencia de un paciente con cáncer durante los próximos 60 meses con un 80 % de precisión.

fuente: Universidad de Columbia Britanica

Un equipo de investigadores de la Universidad de Columbia Británica y BC Cancer ha desarrollado un modelo de inteligencia artificial (IA) que predice la supervivencia de los pacientes con cáncer con mayor precisión y con datos más disponibles que las herramientas anteriores.

El modelo utiliza el procesamiento del lenguaje natural (NLP), una rama de la inteligencia artificial que comprende el lenguaje humano complejo, para analizar las notas del oncólogo después de la visita de consulta inicial de un paciente, el primer paso en el viaje del cáncer después del diagnóstico.

Al identificar las características únicas de cada paciente, se demostró que el modelo predice la supervivencia a los seis, 36 y 60 meses con una precisión de más del 80 por ciento.

Los resultados fueron publicados hoy. La red JAMA está abierta.

«Predecir la supervivencia del cáncer es un factor importante que se puede utilizar para mejorar la atención del cáncer», dijo el autor principal, el Dr. John Jose Nunez, psiquiatra e investigador clínico en el Centro de Trastornos del Estado de Ánimo de la UBC y en el Centro del Cáncer de BC.

«Puede sugerir que los proveedores de salud hagan una remisión temprana a los servicios de apoyo u ofrezcan una opción de tratamiento más sólida por adelantado. Esperamos que una herramienta como esta pueda usarse para personalizar y mejorar la atención que un paciente recibe de inmediato, brindándole la mejor atención posible». resultado.»

Tradicionalmente, las tasas de supervivencia del cáncer se han calculado retrospectivamente y se han clasificado solo según algunos factores generales, como la ubicación del cáncer y el tipo de tejido. A pesar de la familiaridad con estas tasas, puede ser difícil para los oncólogos predecir con precisión la supervivencia del paciente debido a los muchos factores complejos que afectan el resultado del paciente.

El modelo desarrollado por el Dr. Núñez y sus colaboradores, que incluye investigadores de BC Cancer y los Departamentos de Ciencias de la Computación y Psiquiatría de la UBC, puede capturar pistas únicas dentro del documento de consulta inicial de un paciente para brindar una evaluación más precisa. También se aplica a todos los tipos de cáncer, mientras que los modelos anteriores estaban restringidos a ciertos tipos de cáncer.

“La IA básicamente lee el documento de consulta de forma similar a como lo haría un humano”, dijo el Dr. Núñez. Estos documentos contienen muchos detalles, como la edad del paciente, el tipo de cáncer, las condiciones de salud subyacentes, el uso de drogas en el pasado y los antecedentes familiares. AI reúne todo esto para pintar una imagen más completa de los resultados de los pacientes”.

Los investigadores entrenaron y probaron el modelo utilizando datos de 47 625 pacientes en los seis sitios de cáncer de BC ubicados en la Columbia Británica. Para proteger la privacidad, todos los datos de los pacientes permanecieron almacenados de forma segura en BC Cancer y se enviaron de forma anónima. A diferencia de las revisiones de gráficos realizadas por asistentes de investigación humanos, el nuevo enfoque de IA tiene el beneficio adicional de mantener la total confidencialidad de los registros de los pacientes.

“Debido a que el modelo se entrenó con datos de BC, esto lo convierte en una herramienta potencialmente poderosa para predecir la supervivencia del cáncer aquí en el condado”, dijo el Dr. Núñez.

En el futuro, la tecnología podría aplicarse en clínicas de cáncer en Canadá y en todo el mundo.

“Lo mejor de los modelos NLP es que son altamente escalables, portátiles y no requieren conjuntos de datos estructurados”, dijo el Dr. Núñez. «Podemos entrenar rápidamente estos modelos utilizando datos locales para mejorar el rendimiento en una nueva área. Sospecho que estos modelos proporcionan una buena base para cualquier lugar del mundo donde los pacientes puedan ver a un oncólogo».

En otra línea de trabajo, el Dr. Núñez está estudiando cómo facilitar la mejor atención psicológica y de asesoramiento posible para pacientes con cáncer utilizando tecnologías avanzadas de IA. Visualiza un futuro en el que la inteligencia artificial se integre en muchos aspectos del sistema de salud para mejorar la atención al paciente.

“Veo a la IA actuando casi como un asistente virtual para los médicos”, dijo el Dr. Núñez. «A medida que la medicina se vuelve cada vez más avanzada, tener IA para ayudar a clasificar y dar sentido a todos los datos ayudará a los médicos a tomar decisiones. En última instancia, esto ayudará a mejorar la calidad de vida y los resultados de los pacientes».

Sobre esta noticia sobre inteligencia artificial e investigación del cáncer

autor: oficina de prensa
fuente: Universidad de Columbia Britanica
comunicación: Oficina de Prensa – Universidad de Columbia Británica
imagen: La imagen es de dominio público.

Búsqueda original: acceso abierto.
«Predicción de la supervivencia de pacientes con cáncer a partir de su documento de consulta oncológica inicial utilizando procesamiento de lenguaje naturalEscrito por Juan José Núñez et al. La red JAMA está abierta

un resumen

Predicción de la supervivencia de pacientes con cáncer a partir de su documento de consulta oncológica inicial utilizando procesamiento de lenguaje natural

Importancia

Predecir la supervivencia a corto y largo plazo de los pacientes con cáncer puede mejorar su atención. Los modelos predictivos anteriores usaban datos con disponibilidad limitada o predecían el resultado de un solo tipo de cáncer.

objetivo

Ver también

Investigar si la PNL puede predecir la supervivencia general de los pacientes con cáncer a partir del documento de consulta con el oncólogo principal del paciente.

Diseño, preparación y participantes

Este estudio predictivo retrospectivo usó datos de 47 625 de los 59 800 pacientes que comenzaron a recibir atención oncológica en cualquiera de los 6 sitios oncológicos de BC ubicados en la provincia de Columbia Británica entre el 1 de abril de 2011 y el 31 de diciembre de 2016. Los datos de mortalidad se actualizaron al 6 de abril. , 2022, y fue Análisis de datos desde la actualización hasta el 30 de septiembre de 2022. Se incluyeron todos los pacientes con una consulta médica documentada o oncología radioterápica dentro de los 180 días posteriores al diagnóstico; Se excluyeron los pacientes atendidos por múltiples tipos de cáncer.

exposiciones

Los documentos de consulta de oncología primaria se analizaron utilizando lenguaje convencional y modelos neurológicos.

Principales hallazgos y medidas

El resultado principal fue el rendimiento de los modelos predictivos, incluida la precisión equilibrada y el área bajo la curva (AUC) de las características operativas del receptor. Un resultado secundario fue una investigación de las palabras utilizadas por los modelos.

resultados

De los 47.625 pacientes de la muestra, 25.428 (53,4%) eran mujeres y 22.197 (46,6%) varones, con una edad media de 64,9 (13,7) años. Un total de 41.447 pacientes (87,0%) sobrevivieron 6 meses, 31.143 (65,4%) sobrevivieron 36 meses y 27.880 (58,5%) sobrevivieron 60 meses, calculados a partir de la consulta oncológica inicial. Los mejores modelos lograron una precisión equilibrada de 0,856 (AUC, 0,928) para predecir la supervivencia a los 6 meses, 0,842 (AUC, 0,918) para la supervivencia a los 36 meses y 0,837 (AUC, 0,918) para la supervivencia a los 60 meses. prueba. contratación. Se encontraron diferencias en palabras importantes para predecir la supervivencia de 6 a 60 meses.

Conclusiones y relevancia

Estos hallazgos sugieren que los modelos con los que se realizaron tienen resultados similares o mejores que los modelos anteriores que predijeron la supervivencia del cáncer, y que pueden predecir la supervivencia utilizando datos fácilmente disponibles sin centrarse en un solo tipo de cáncer.