Con el objetivo de hacer frente a la primera causa de muerte por cáncer en todo el mundo, una investigación científica ha evaluado la relación coste-efectividad de la implementación de un modelo de predicción de riesgo para el cribado de cáncer de pulmón en España, y ha concluido que identificar pacientes de alto riesgo con este algoritmo es más eficaz y menos costoso que el cribado generalizado y que el no cribado.
Los resultados del estudio, en el que ha participado el Dr. Luis Seijo, director del Departamento de Neumología de la Clínica Universidad de Navarra, han mostrado que el modelo permite disminuir la cantidad de exploraciones con tomografía computarizada de baja dosis, optimizando la relación coste-beneficio del cribado de esta enfermedad en el ámbito español.
El análisis basa su procedimiento en el modelo de predicción de riesgo LungFlag, un algoritmo que utiliza variables clínicas individualizadas para identificar personas con alto riesgo de padecer cáncer de pulmón de células no pequeñas.
“Entre el 80 y el 85% del cáncer de pulmón es no microcítico, una entidad muy agresiva desde el inicio y sobre la cual hay dudas de si puede detectarse a tiempo. Los esfuerzos por cribar el cáncer de pulmón se centran en este tipo, porque así son la mayoría de los casos, sobre todo los adenocarcinomas”, ha explicado el Dr. Seijo sobre la importancia de la detección temprana por la incidencia que tienen en el pronóstico de supervivencia posterior. Este especialista del Área de Cáncer de Pulmón del Cancer Center Clínica Universidad de Navarra añade que “con frecuencia, estos pacientes son diagnosticados en etapas avanzadas de la enfermedad, cuando no hay opciones de tratamiento curativo, por lo que nos enfrentamos a un mal pronóstico y una baja tasa de supervivencia a cinco años”.
Según la Organización Mundial de la Salud, aproximadamente el 30% de estos pacientes se podría curar si se diagnostican y tratan de forma temprana, lo que reduciría significativamente la mortalidad. Con esa perspectiva, la investigación ha calculado los resultados y los costes sanitarios a lo largo de un horizonte de vida, comparando dos escenarios hipotéticos: cribado con LungFlag frente a no cribado, y cribado con LungFlag frente a cribado de toda la población que cumple los criterios de 2013 del US Preventive Services Task Force (USPSTF), un grupo de trabajo norteamericano que busca mejorar la salud de las personas a través de recomendaciones basadas en evidencia sobre formas efectivas de prevenir enfermedades y prolongar la vida.
La relación coste-efectividad de LungFlag ha demostrado ser mejor frente al escenario sin cribado y también frente a la opción de realizar el cribado a toda la población. En este último aspecto, los resultados mostraron que, de una cohorte de 3.835.128 personas que cumplen los criterios de USPSTF, el 56% requeriría exploraciones mediante tomografía computarizada de baja dosis. Sin embargo, utilizando LungFlag, solo el 6% necesitaría exploraciones de este tipo.
Los criterios de USPSTF están enfocados en la recomendación de un cribado anual para el cáncer de pulmón con tomografía computarizada de baja dosis para adultos entre 55 y 80 años con un historial de tabaquismo de 30 paquetes de cigarrillos al año y que actualmente fuman o han dejado de fumar en los últimos 15 años.
El Dr. Seijo ha destacado que la herramienta se está utilizando actualmente en proyectos de cribado para identificar de forma más eficaz a aquellos pacientes que se van a beneficiar gracias a esta caracterización, y evitar los costes de aquellos a los que no favorecerá: “Lo relevante es hacer que sea más coste-beneficioso. Este artículo científico ha demostrado que la estrategia de usar un algoritmo para identificar pacientes de riesgo, más allá de cribar sin más, reduce costes”.
En la publicación ha colaborado un grupo de expertos multidisciplinares de diferentes hospitales y ha contado con el respaldo de la industria farmacéutica.
Referencia bibliográfica: Seijo, L. M. et al (2024). Cost-effectiveness of a machine learning risk prediction model (LungFlagTM) in the selection of high-risk individuals for non-small cell lung cancer screening in Spain. Journal of Medical Economics, 1–16.
