El cáncer de páncreas se distingue por tener una de las tasas más bajas de supervivencia entre los diversos diagnósticos de cáncer, con un 11%. Esta cifra se atribuye en gran medida a la detección tardía de la enfermedad, que comúnmente se realiza en sus etapas avanzadas. A pesar de estas probabilidades, existe una esperanza gracias a la aplicación de tecnologías avanzadas y enfoques innovadores.
En este contexto, un equipo de investigadores del Centro Médico Beth Israel Deaconess (BIDMC), institución afiliada a Harvard, ha colaborado con el Instituto de Tecnología de Massachusetts para desarrollar un modelo de predicción de riesgos destinado a mejorar la identificación temprana de pacientes con alto riesgo de desarrollar cáncer de páncreas. Este modelo, denominado PrismNN, se basa en una red neuronal entrenada con datos no identificados procedentes de registros médicos electrónicos de 55 organizaciones de atención médica en Estados Unidos.
La iniciativa busca abordar el desafío de detectar la enfermedad hasta 18 meses antes del diagnóstico en pacientes mayores de 40 años. A pesar de que las tasas de supervivencia a cinco años pueden alcanzar el 80% si el cáncer de páncreas se detecta en sus etapas iniciales, las actuales pautas de detección se aplican de manera limitada, cubriendo solo una fracción pequeña de los aproximadamente 62.000 casos diagnosticados anualmente en Estados Unidos.
“Las personas que tienen la oportunidad de someterse a exámenes de detección representan alrededor del 10% de los casos de cáncer de páncreas que conocemos"
"La mayoría de los casos de cáncer de páncreas no se detectan hasta que ya están avanzados y ya no son curables", afirma Limor Appelbaum, investigador del BIDMC e instructor de la Facultad de Medicina de Harvard. “Las personas que tienen la oportunidad de someterse a exámenes de detección representan alrededor del 10% de los casos de cáncer de páncreas que conocemos. Esa es una proporción muy pequeña. Estamos tratando de detectar la mayor cantidad posible del otro 90% de casos”, añade.
Las pautas de detección actuales se dirigen únicamente a personas con una predisposición hereditaria al cáncer de páncreas: personas que tienen familiares de primer grado con la enfermedad o una mutación genética conocida que los pone en riesgo de desarrollarla. Con un riesgo relativo estimado de desarrollar cáncer de páncreas que es al menos cinco veces mayor que el de la población general, estos pacientes son elegibles para exámenes de detección anuales, típicamente resonancias magnéticas, "conocidas por ser muy efectivas y fuertemente correlacionadas con tasas de supervivencia mucho mejores", explica Appelbaum.
"En conjunto, todas estas son señales que pueden predecir el cáncer de páncreas antes de que realmente se detecte, y eso nos da la oportunidad de detectar esos cánceres temprano, antes de que se haya propagado"
"Hay señales en los datos que ya se recopilan de forma rutinaria cuando las personas visitan a su médico de atención primaria o van al servicio de urgencias con un tobillo roto: síntomas que aparecen, como ciertos medicamentos o cambios en los valores de laboratorio", asegura Appelbaum. "En conjunto, todas estas son señales que pueden predecir el cáncer de páncreas antes de que realmente se detecte, y eso nos da la oportunidad de detectar esos cánceres temprano, antes de que se haya propagado", subraya.
PrismNN se posiciona como una herramienta prometedora al demostrar una capacidad significativamente mejorada en la identificación de casos en comparación con las pautas de detección existentes. La red neuronal ha sido entrenada con datos de más de 1.5 millones de registros médicos electrónicos, abarcando más de 13 años de información histórica sobre demografía, visitas médicas, diagnósticos, análisis de laboratorio, procedimientos y medicamentos de más de 35,000 pacientes que eventualmente desarrollaron cáncer de páncreas, así como más de 1.5 millones de controles.
"Gracias a la profundidad y amplitud del conjunto de datos en el que se entrenó PrismNN, se puede aplicar en cualquier lugar de los EE. UU. porque incluye datos de la diversa población de nuestra nación", matiza Applebaum. “La idea es llevar esta capacidad a cada clínica, a cada computadora de cada médico, ya sea que trabajen en un hospital terciario en Boston o en una pequeña clínica comunitaria en el suroeste, por lo que es una característica realmente importante de nuestro modelo", añade.
Para validar y perfeccionar aún más este modelo, los investigadores evalúan su precisión en tiempo real, clasificando a los pacientes en grupos de riesgo bajo, intermedio y alto. Además, están llevando a cabo estudios con pacientes marcados por PrismNN para identificar posibles biomarcadores físicos cuantificables, lo que podría proporcionar pistas sobre la predisposición al cáncer de páncreas. Este enfoque innovador, al denominarse PrismNN, no solo podría servir como un criterio independiente de elegibilidad para la detección anual, sino también como un filtro inicial para aquellos individuos con biomarcadores específicos que luego podrían someterse a métodos tradicionales de detección del cáncer de páncreas.