El Virgen del Rocío prueba la Inteligencia Artificial para acortar tratamientos de cáncer de mama

Se trata de un estudio de colaboración con la Escuela Técnica Superior de Ingeniería Informática que permite atender a tres personas en lugar de a una y descongestionar las máquinas para otros tratamientos oncológicos

Unas 6.000 andaluzas serán diagnosticadas de cáncer de mama en 2023 y el 80% lo superarán

Paloma Sosa, José Luis López (derecha) y Roberto de Haro (izquierda), del Hospital Virgen del Rocío.
Paloma Sosa, José Luis López (derecha) y Roberto de Haro (izquierda), del Hospital Virgen del Rocío. / M. G.

Paso al frente en el tratamiento del cáncer de mama. Un estudio realizado en colaboración entre del Servicio de Oncología Radioterápica y Radiofísica del Hospital Virgen del Rocío y  la Escuela Técnica Superior de Ingeniería Informática (ETSII) de la Universidad de Sevilla ha demostrado la eficacia del uso de la Inteligencia Artificial para acortar los tratamientos en este tipo de tumor.

En concreto, el trabajo ha logrado demostrar que cinco sesiones de tratamiento de radioterapia para pacientes de cáncer de mama, en axila y lecho quirúrgico, obtienen los mismos beneficios de supervivencia, control tumoral y toxicidad que 15, plazo aceptado hasta ahora por la comunidad científica. Para llegar a este resultado se ha analizado con Inteligencia Artificial los datos de 113 pacientes de este hospital, diagnosticadas de este tipo de cáncer, a través de datos tratados con técnicas muy especializadas de ingeniería informática aplicada a la salud. 

El acceso a este esquema de tratamiento está permitiendo que las mujeres con cáncer de mama tengan que recibir menos radiación (de 40 grays -dosis de radioterapia- a 26) con una excelente tolerancia, hacer menos viajes al hospital, al tiempo que descongestiona los aceleradores para el resto de los tratamientos, ya que el de mama es uno de los tipos de cáncer más frecuente entre la población. 

"Podemos tratar a tres personas en el tiempo en el que antes tratábamos a una. Beneficia al sistema y al paciente", así lo explica la doctora Paloma Sosa, oncóloga radioterápica del Hospital Virgen del Rocío con más de 10 años de experiencia en cáncer de pulmón y mama, que ha formado parte del análisis.

Juan Antonio Ortega y Cristina Lacasta, de la Universidad de Sevilla.
Juan Antonio Ortega y Cristina Lacasta, de la Universidad de Sevilla. / M. G.

Este estudio ha sido posible gracias al uso de inteligencia artificial, técnicas de machine learning y otras herramientas de informática avanzada como el clustering -agrupación de información-, inyección de datos, reducción de la dimensionalidad de bases de datos o técnicas de explicabilidad en la búsqueda de patrones. “Es un procedimiento muy novedoso, que se está aplicando en algunos hospitales de Estados Unidos y Reino Unido”, afirma Juan Antonio Ortega, profesor del Departamento de Lenguajes y Sistemas de la ETSII y responsable de la investigación por la Universidad de Sevilla, que ha supervisado el desarrollo del estudio de la alumna Kristina Lacasta López.

La implementación de este esquema de tratamiento “hipofraccionado” trae consigo una reducción de las visitas de los pacientes a los hospitales y tiene un impacto muy significativo en las vidas de las personas enfermas, ya que los tratamientos las obligan a recorrer largas distancias, especialmente en ciudades sin instalaciones de radioterapia. Por consiguiente, supone un ahorro económico en la aplicación de tratamientos para el Servicio Andaluz de Salud y para las pacientes en sus tratamientos, pero también en el impacto sobre la huella de carbono, tanto en la energía consumida durante la aplicación de los tratamientos como en las emisiones de CO2 asociadas a los traslados. Una reducción de la huella de carbono de hasta un 83%, según el análisis elaborado por el doctor Elías Gomis del Servicio de Oncología Radioterápica del Hospital Virgen del Rocío, que ha sido presentado en el último Congreso Europeo de Oncología Radioterápica (ESTRO) y publicado en la revista Clinical and Traslational Oncology.

stats