Este artículo se publicó hace más de 5 meses
Reacción: un modelo informático predice quién necesita someterse a cribados para cáncer de pulmón

Un modelo de aprendizaje automático puede usar datos sobre la edad de las personas, la duración de la adicción al tabaco y la cantidad de cigarrillos fumados al día para predecir el riesgo de cáncer de pulmón e identificar quiénes necesitan someterse a un cribado, según un nuevo estudio publicado en PLOS Medicine

03/10/2023 - 20:00 CEST
 
Reacciones

Isabel Portillo - cribado cáncer pulmón

Isabel Portillo

Médica especialista en Medicina Preventiva y Salud Pública y coordinadora del grupo de trabajo de diagnóstico precoz de cáncer en la Sociedad Española de Epidemiología

Science Media Centre España

El estudio ha sido realizado utilizando datos de diferentes fuentes aplicando modelos matemáticos. No añade valor a lo ya publicado sobre factores de riesgo conocidos. 

La calidad de los análisis es susceptible de ser mejorada, dado que finalmente solo utiliza tres variables predictivas (edad, duración del hábito tabáquico y paquetes al año). Estos factores parecen insuficientes para determinar el riesgo, dado que tanto el sexo como el nivel socioeconómico deben ser tenidos en cuenta para determinar y aconsejar un cribado individualizado. 

El trabajo está en consonancia con la evidencia (ensayos clínicos), si bien no aporta nuevas evidencias a las publicadas (NELSON, NLST,PLCO). Por otra parte, los autores comparan estudios de poblaciones diferentes, lo que puede representar un sesgo de diseño del estudio. Los modelos matemáticos son difíciles de interpretar con mis conocimientos de este ámbito, ya que se precisan bioestadísticos y bioinformáticos para valorar los ajustes realizados y la validación de los modelos. 

A pesar de que los autores lo presentan como una herramienta de predicción, su aplicabilidad a nivel práctico (profesionales de salud) es discutible en el caso de indicar a una persona el cribado (TAC-baja dosis). Debería ajustarse para ser una herramienta de ayuda tanto a profesionales como a pacientes (estudio Framingham de riesgo cardiovascular). Biomarcadores, factores ambientales, laborales deben ser considerados. 

“Formo parte del Estudio LUCIA (Lung Cancer Risk Factors and their Impact Assessment) Horizon EU que pretende identificar factores de riesgo aplicando también modelos matemáticos predictivos”.

ES
Publicaciones
Assessing eligibility for lung cancer screening using parsimonious ensemble machine learning models: A development and validation study
  • Artículo de investigación
  • Revisado por pares
  • Modelización
Revista
PLoS Medicine
Autores

Callender et al.

Tipo de estudio:
  • Artículo de investigación
  • Revisado por pares
  • Modelización
Las 5W +1
Publica
FAQ
Contacto