Innovador estudio propone un enfoque simplificado para la detección temprana del cáncer de pulmón

El desarrollo de un nuevo método de evaluación de la elegibilidad para el cribado del cáncer de pulmón ha sido presentado por un equipo de investigadores de renombre. Según el estudio, los programas de prevención de enfermedades podrían beneficiarse significativamente de esta nueva técnica, ya que simplifica el proceso de detección sin comprometer la precisión.

El cáncer de pulmón, reconocido como una de las principales causas de muerte por cáncer en todo el mundo, ha planteado desafíos considerables en términos de detección temprana y prevención eficaz. Los métodos actuales de determinar la elegibilidad para el cribado requieren una considerable cantidad de recursos, lo que dificulta su implementación a gran escala.

Los investigadores utilizaron datos del Biobanco del Reino Unido y del Ensayo Nacional de Cribado Pulmonar de EE.UU. para desarrollar modelos innovadores y parsimoniosos. Estos modelos lograron un rendimiento comparable o incluso superior a los principales comparadores, a pesar de requerir solo un tercio de las variables utilizadas por los métodos anteriores.

Los resultados de este estudio podrían tener un impacto significativo en la aceptación y la eficacia de los programas de cribado del cáncer de pulmón a nivel nacional. Además, sugieren que este enfoque simplificado puede aplicarse a otras enfermedades, como las cardiovasculares, la diabetes y las enfermedades renales crónicas, para facilitar la implementación de programas de prevención estratificados por riesgos y de detección temprana.

No obstante, los investigadores también reconocen las limitaciones de su estudio, que se basa en datos anteriores de los Estados Unidos y el Reino Unido. Por lo tanto, hacen hincapié en la necesidad de llevar a cabo evaluaciones prospectivas en diferentes países y regiones para validar plenamente la eficacia y la aplicabilidad generalizada de este enfoque innovador.

Vea el artículo completo en:

Callender T, Imrie F, Cebere B, Pashayan N, Navani N, van der Schaar M, et al. (2023) Assessing eligibility for lung cancer screening using parsimonious ensemble machine learning models: A development and validation study. PLoS Med 20(10): e1004287. https://doi.org/10.1371/journal.pmed.1004287