18/08/2025
Grandes modelos de lenguaje como GPT-4 y Gemini pueden predecir de manera confiable, basándose en datos clínicos e imágenes, qué pacientes con carcinoma hepatocelular inoperable responderán a la inmunoterapia, logrando una precisión comparable a la de expertos clínicos.
El carcinoma hepatocelular (HCC) es una de las enfermedades tumorales más comunes y mortales en todo el mundo. En formas avanzadas e irresecables, se utilizan terapias sistémicas como inhibidores de puntos de control inmunitario. Sin embargo, solo alrededor del 30% de los pacientes responden a ellos.
Potencial de la inteligencia artificial en el apoyo a la toma de decisiones oncológicas
La inteligencia artificial (IA) se está utilizando cada vez más para apoyar los procesos de toma de decisiones clínicas e integrar datos complejos. Los enfoques multimodales que combinan parámetros clínicos e imágenes tienen como objetivo mejorar la precisión diagnóstica y pronóstica.
Mientras que el aprendizaje automático en el análisis de imágenes ya está establecido, hasta ahora ha faltado métodos validados que integren diferentes fuentes de datos y específicamente puedan predecir la respuesta a la inmunoterapia. Un estudio reciente publicado en el Journal of Medical Systems examinó el uso de grandes modelos de lenguaje (LLMs) para la predicción del HCC inoperable y comparó su rendimiento con la evaluación de radiólogos y oncólogos.
Estrategias y base de datos para la evaluación del modelo
El estudio retrospectivo incluyó datos de 186 pacientes con carcinoma hepatocelular inoperable. Además de los parámetros clínicos, se incluyeron datos de imágenes de TC en el análisis. La capacidad de los LLMs (GPT-4, GPT-4o y Gemini) se examinó sin un entrenamiento específico en datos de HCC («Zero-Shot»).
Para aumentar la sensibilidad, los autores utilizaron dos enfoques: una decisión mayoritaria («Método de votación») y una combinación lógica O-OR en la que una sola evaluación positiva del modelo es suficiente para un resultado general positivo. Además, desarrollaron el modelo combinado «Gemini-GPT», que integra GPT-4, GPT-4o y Gemini.
Resultados en comparación con expertos clínicos
El análisis mostró resultados diferentes entre los diferentes modelos y estrategias de decisión:
- GPT-4o alcanzó una precisión del 65 % y una sensibilidad del 47 % con la conjunción O. Estos valores estuvieron en el rango de los resultados de médicos con experiencia media, pero significativamente por debajo de los valores de los colegas senior (precisión del 72 %, p = 0,045; sensibilidad del 70 %, p < 0,0001).
- El modelo Gemini-GPT obtuvo un AUC de 0,69, sin diferencias significativas con el grupo senior (AUC 0,72, p = 0,35). La precisión fue del 68 %, similar a la de los colegas senior (p = 0,78), pero superó los resultados de los médicos junior y de nivel medio. Sin embargo, la sensibilidad de Gemini-GPT (58 %) fue significativamente más baja (p = 0,0097).
- La concordancia intermodelos fue mayor que la concordancia entre evaluadores, con valores de ? entre 0,59 y 0,70, especialmente en comparación con el grupo junior (? = 0,15).
Interpretación de los resultados y perspectivas para la aplicación clínica
El estudio proporciona datos importantes sobre el papel potencial de la inteligencia artificial en la oncología personalizada. En particular, el modelo Gemini-GPT alcanzó una precisión comparable a la de oncólogos y radiólogos experimentados, y mostró una alta consistencia en las predicciones. La concordancia entre modelos observada superó la variabilidad entre evaluadores humanos, lo que sugiere un posible valor para la estandarización de las evaluaciones de pronóstico.
Sin embargo, la sensibilidad sigue siendo limitada en comparación con colegas experimentados, por lo que se requiere una mejora en las tasas de detección para pacientes que podrían beneficiarse de la inmunoterapia. Se necesitan estudios prospectivos para validar aún más estos enfoques y permitir su integración en la práctica clínica.
- Actividades exclusivas para profesionales de la salud (advisory boards, cobertura de congresos, webinars)
- Guardá los artículos que te sirven para ver más tarde
- Recibí cada semana lo más relevante de tu especialidad
