Para desbloquear información real a partir de los datos, la investigación de la IA y la Ciencia de Datos no puede vivir en las afueras de una institución: tiene que convertirse en parte de la estrategia central de una organización.
El MD Anderson Cáncer Center de la Universidad de Texas, el hospital oncológico mejor clasificado de los Estados Unidos, está haciendo precisamente eso, con un nuevo enfoque en la gobernanza de datos y docenas de investigadores que trabajan en proyectos de oncología acelerados por IA para mejorar la atención al paciente.
“Nos estamos centrando en los datos en contexto, para asegurarnos de tener una cadena de suministro de metadatos coordinada para abordar los desafíos actuales y hacer que los modelos de IA tengan un impacto en la clínica”, dijo la Dra. Caroline Chung, quien recientemente fue nombrada la primera directora de datos del MD Anderson. “Para construir modelos predictivos mejores y más robustos, necesitamos una estrategia coordinada que cubra cada paso, desde la generación de datos hasta el uso clínico de los conocimientos de machine learning”.
Esta estrategia de gobernanza de datos influirá en la forma en que se recopilan y utilizan los datos del hospital para generar información, y permitirá la capacidad de búsqueda, la accesibilidad, la interoperabilidad y la reutilización de los datos. Chung reflexionó sobre la importancia de la cadena de suministro de metadatos para la IA en un artículo de perspectiva publicado recientemente en Cancer Research, en coautoría con el Dr. David Jaffray, Director Digital y de Tecnología del MD Anderson.
“Es un gran cambio cultural”, dijo Chung. “Cuantos más datos podamos capturar con información contextual, más preguntas complejas podremos hacer y mayores serán las capacidades de usar los conocimientos de machine learning para ayudar a nuestros médicos a mejorar sus interacciones con los pacientes, a fin de guiar las decisiones de tratamiento basadas en datos con los mejores resultados de los pacientes alineados con los objetivos de la atención”.
MD Anderson tiene como objetivo apoyar mejor los proyectos para ayudar a los médicos a analizar los datos de radiología, administrar tratamientos contra el cáncer y predecir complicaciones como la sepsis. Esto es posible mediante el desarrollo de un proceso que recopila los datos de alta calidad que los investigadores necesitan, los almacena de forma segura y rastrea cómo se utilizan.
Muchos de estos proyectos ya están en marcha, acelerados por la velocidad de las nuevas tecnologías de GPU, como los sistemas NVIDIA DGX. Las nuevas inversiones que se pondrán en línea en MD Anderson darán a los investigadores acceso a miles de núcleos de GPUs adicionales para apoyar proyectos de IA en toda la institución.
Aplicación de la IA a las Imágenes de Diagnóstico.
El primer paso en oncología es detectar tumores: cuanto antes, mejor. El MD Anderson está desarrollando aplicaciones de IA de detección temprana para ayudar a diagnosticar a los pacientes con cáncer de páncreas, que tiene una tasa de supervivencia a cinco años de solo el 10 por ciento.
“El cáncer de páncreas a menudo se diagnostica después de que ya ha hecho metástasis, lo que significa que se propaga a otros órganos”, dijo el Dr. Eugene Koay, codirector de Oncología Radioterápica Gastrointestinal del MD Anderson. “Estamos trabajando en modelos de IA para analizar el páncreas cada vez que lo vemos en una tomografía computarizada, un estudio de resonancia magnética o una ecografía endoscópica, más allá de que la cita del paciente esté relacionada o no con el páncreas”.
No todos los tumores pancreáticos son iguales. Algunos son de movimiento lento, otros son agresivos. Algunos se originan a partir de quistes en el páncreas, otros no.
En colaboración con la Red de Investigación de Detección Temprana, Koay y su equipo están trabajando con redes neuronales convolucionales que identifican qué casos tienen más probabilidades de convertirse en cáncer maligno, para que los médicos puedan brindar una mejor atención a los pacientes en riesgo.
Las Imágenes Médicas Facilitan la Planificación del Tratamiento.
Durante la preparación para tratar células cancerosas con radioterapia, los oncólogos utilizan un proceso conocido como contorno para rastrear los tumores que serán atacados por el tratamiento de radiación.
Es un proceso que consume mucho tiempo y los oncólogos a menudo tienen una acumulación de planes de tratamiento de radioterapia que deben crear para los pacientes. El Dr. Laurence Court, profesor asociado de Física de la Radiación en el MD Anderson, espera reducir la carga del contorno manual con herramientas de IA, lo que permitirá a los hospitales tratar a miles de pacientes con cáncer cada año.
Está especialmente interesado en el impacto que estas herramientas clínicas de IA podrían tener en entornos de bajos recursos, donde la escasez de radiólogos y oncólogos hace que sea más difícil acceder a tratamientos de radioterapia que salvan vidas.
El contorno también se utiliza para planificar la radiocirugía asistida por resonancia magnética, una forma avanzada de braquiterapia en la que se administra una dosis de radiación al tejido canceroso a través de semillas implantadas. El oncólogo radioterápico del MD Anderson, el Dr. Steven Frank, utiliza esta terapia para tratar el cáncer de próstata.
El contorno preciso de la próstata y los órganos circundantes en la resonancia magnética garantiza que las semillas radiactivas lleguen a las áreas correctas para tratar el cáncer sin dañar los tejidos vecinos.
Al adoptar un modelo de IA que utiliza los avances en las tecnologías de GPU, los oncólogos del MD Anderson han mejorado la calidad de los contornos para la planificación del tratamiento de braquiterapia y la evaluación de la calidad del tratamiento, dijo el Dr. Jeremiah Sanders, miembro del departamento de Física de Imágenes Médicas del MD Anderson, que está desarrollando la IA traslacional en el laboratorio de Frank.
Sanders y Frank también están trabajando en un modelo para usarlo después de un procedimiento de braquiterapia: una aplicación de IA que analiza los estudios de resonancia magnética de la próstata y determina la calidad de la administración de radiación. Los conocimientos de este modelo pueden ayudar a los médicos a determinar si se necesita tratamiento adicional y cómo atender a los pacientes después de sus tratamientos.
Mantener una IA Vigilante en Relación con la Precisión del Modelo.
Para que un modelo de IA tenga éxito en un entorno clínico, los investigadores médicos deben detectar los casos en los que la red neuronal tiene dificultades y volver a entrenarla para mejorar el rendimiento de la aplicación.
Kristy Brock, profesora de Física de Imágenes y Física de radiación en el MD Anderson, está trabajando en un proyecto de detección de anomalías para determinar los casos en que falla un modelo de IA que contornea los tumores hepáticos de las tomografías computarizadas, como imágenes inusuales en las que un paciente tiene un stent en el hígado o líquido alrededor del órgano.
Al identificar estas fallas raras, los investigadores pueden introducir ejemplos de entrenamiento adicionales que son similares a los casos con los que la red neuronal tuvo problemas anteriormente. Este método de entrenamiento continuo refuerza selectivamente los datos de entrenamiento para mejorar el rendimiento del modelo de manera más eficiente.
“No queremos seguir recopilando datos que se ven igual que nuestros primeros 150 escaneos”, dijo Brock. “Queremos identificar casos que aumenten la variabilidad de nuestro conjunto de datos de muestra, lo que a su vez aumenta la precisión y generalización del modelo”.
MD Anderson es una de varias instituciones de salud líderes que adoptan la IA para mejorar la investigación médica y la atención al paciente. Obtén más información sobre la IA en el área de la salud en NVIDIA GTC, que se llevará a cabo en línea hasta el 11 de noviembre.
