Inteligencia artificial para mejorar los tratamientos de cáncer de pulmón

Su objetivo es obtener patrones estadísticos que sean de utilidad para los médicos a la hora de tratar esta enfermedad

El cáncer de pulmón es la principal causa de muerte por cáncer. Según estimaciones, en el año 2022 se superará la cifra de 236.000 nuevos casos diagnosticados y más de 130.000 muertes a causa de esta enfermedad. Aunque estas cifras han ido disminuyendo en los últimos años, aún es necesario mejorar los métodos de detección y los tratamientos para seguir incrementando tanto la supervivencia como la calidad de vida de los pacientes.

Y es que los tratamientos actuales contra el cáncer se caracterizan por las toxicidades y los efectos secundarios que generan. Por este motivo, encontrar tratamientos efectivos que aumenten la supervivencia del paciente y reduzcan las toxicidades, es un objetivo primordial.

En este contexto, el trabajo desarrollado por los investigadores de la Universidad Politécnica de Madrid analiza datos clínicos sobre pacientes de cáncer de pulmón con el fin de obtener patrones estadísticos de los mejores tratamientos, teniendo en cuenta el perfil de la enfermedad del paciente que se está tratando.

El estudio, llevado a cabo por investigadores del Laboratorio de Análisis de Datos Médicos (MEDAL) – Centro de Tecnología Biomédica, y del Departamento de Lenguajes y Sistemas Informáticos e Ingeniería del Software (ETS de Ingenieros Informáticos) de la Universidad Politécnica de Madrid, ha contado con la colaboración del Hospital Universitario Puerta de Hierro, que ha proporcionado los datos clínicos sobre tratamientos de cáncer de pulmón.

La investigación se enmarca dentro del proyecto europeo P4-LUCAT, que tiene como objetivo tratar de encontrar estrategias relativas a los tratamientos que, por una parte, puedan mejorar la supervivencia de los pacientes, y por otra, puedan reducir las toxicidades asociadas a estos últimos. Todo ello mediante la integración y análisis de distintas fuentes de datos: historias clínicas electrónicas, publicaciones científicas y datos abiertos (open data).