La iniciativa, publicada en la revista ‘Scientific Reports’, está destinada a identificar con mayor precisión las opciones de tratamiento para los pacientes con cáncer de próstata, lo que disminuye la posibilidad de una intervención clínica innecesaria.
Actualmente, los métodos estándar utilizados para evaluar el riesgo de cáncer de próstata son la resonancia magnética multiparamétrica (mpMRI), que detecta lesiones de próstata, y el sistema de datos e informes de imágenes de próstata versión 2 (PI-RADS v2), un sistema de puntuación de cinco puntos que clasifica las lesiones encontradas en el mpMRI.
Estas herramientas tienen la intención de predecir sólidamente la probabilidad de cáncer de próstata clínicamente significativo. Sin embargo, la puntuación de PI-RADS v2 es subjetiva y no distingue claramente entre los niveles de cáncer intermedio y maligno (puntuaciones 3, 4 y 5), lo que a menudo conduce a interpretaciones diferentes entre los médicos.
Ante este escenario, los investigadores de Mount Sinai y USC han desarrollado una herramienta que evalúa de manera “rigurosa y sistemática” muchos de estos métodos para identificar el que mejor se desempeña. Además, aprovecha conjuntos de datos de capacitación y validación más amplios que los estudios anteriores, permitiendo así clasificar el cáncer de próstata de los pacientes con una alta sensibilidad y un valor predictivo aún mayor.
“Al combinar de forma rigurosa y sistemática el aprendizaje automático con la radiografía, nuestro objetivo es proporcionar a los radiólogos, y al personal clínico, una herramienta de predicción sólida que pueda traducirse en una atención al paciente más efectiva y personalizada. El camino para predecir la progresión del cáncer de próstata con alta precisión está mejorando cada vez más, y creemos que nuestro trabajo es un avance muy necesario”, han dicho los expertos.
