Nuevo avance: herramienta de IA mejora la respuesta al tratamiento del cáncer

Tiempo de lectura: 2 minutos
Por Jamie Olivos
- en
Modelo de IA analizando perfiles de ARNm y muestras de tejido.

MadridUna nueva herramienta de inteligencia artificial llamada DeepPT ha sido creada para mejorar el tratamiento del cáncer. Desarrollada por investigadores de la Universidad Nacional de Australia (ANU), predice el perfil de ARNm de un paciente, lo cual es crucial para la producción de proteínas y la personalización del tratamiento oncológico. DeepPT fue desarrollada con la colaboración de científicos del Instituto Nacional del Cáncer de Estados Unidos y la compañía farmacéutica Pangea Biomed.

DeepPT ha demostrado grandes avances en la predicción de cómo los pacientes responderán a los tratamientos contra el cáncer. Este sistema funcionó eficazmente junto con otra herramienta llamada ENLIGHT, y juntos predijeron con precisión las respuestas para diversos tipos de cáncer. El doctor Danh-Tai Hoang de la ANU destacó que elegir el tratamiento adecuado es vital para los resultados de los pacientes, especialmente en cánceres agresivos.

DeepPT fue entrenado con un conjunto de datos sólido:

  • 5,500 pacientes
  • 16 tipos de cáncer prevalentes, incluyendo mama, pulmón, cabeza y cuello, cerviz, y páncreas

Utilizando DeepPT, los investigadores observaron que la tasa de respuesta de los pacientes aumentó del 33.3% al 46.5%. Este incremento es significativo, demostrando que la herramienta es útil en entornos clínicos reales. El modelo de IA mejora el trabajo previo del mismo equipo para crear una herramienta de clasificación de tumores cerebrales, ofreciendo un método fiable para su uso en otros tipos de cáncer.

DeepPT sobresale porque utiliza imágenes histopatológicas, que son fotos detalladas de tejidos de pacientes. Estas imágenes son fáciles de obtener, asequibles y rápidas de procesar. Esto ayuda a evitar largas esperas por datos moleculares complejos, que pueden tardar semanas. El procesamiento rápido es especialmente crucial para pacientes con tumores graves que requieren tratamiento inmediato.

DeepPT y ENLIGHT utilizan datos clínicos para hacer predicciones. El uso de imágenes de histopatología es un enfoque innovador, ya que estas imágenes ya se emplean en la práctica médica diaria, lo que facilita su integración en los flujos de trabajo actuales. La mayor tasa de respuesta al tratamiento sugiere que la IA podría ser fundamental para la medicina personalizada contra el cáncer.

La confiabilidad científica de este estudio queda respaldada por su publicación en Nature Cancer. Además, la colaboración con prestigiosas organizaciones como el Instituto Nacional del Cáncer y Pangea Biomed refuerza su credibilidad.

Este avance representa un paso esperanzador hacia mejores tratamientos contra el cáncer. Muestra cómo la colaboración interdisciplinaria y el uso de la informática moderna pueden lograr mejoras reales en el ámbito de la salud.

La inteligencia artificial está ganando gran relevancia en medicina, con herramientas como DeepPT a la vanguardia. Facilitan el acceso y la efectividad de la medicina personalizada. Al utilizar datos clínicos comunes, estos sistemas pueden vincular la investigación con la atención al paciente, ofreciendo esperanza de mejores resultados para quienes padecen cáncer.

Será interesante ver cómo evoluciona esta herramienta y si puede aplicarse a otras enfermedades. Por ahora, representa un gran avance en la lucha contra el cáncer.

El estudio se publica aquí:

http://dx.doi.org/10.1038/s43018-024-00793-2

y su cita oficial - incluidos autores y revista - es

Danh-Tai Hoang, Gal Dinstag, Eldad D. Shulman, Leandro C. Hermida, Doreen S. Ben-Zvi, Efrat Elis, Katherine Caley, Stephen-John Sammut, Sanju Sinha, Neelam Sinha, Christopher H. Dampier, Chani Stossel, Tejas Patil, Arun Rajan, Wiem Lassoued, Julius Strauss, Shania Bailey, Clint Allen, Jason Redman, Tuvik Beker, Peng Jiang, Talia Golan, Scott Wilkinson, Adam G. Sowalsky, Sharon R. Pine, Carlos Caldas, James L. Gulley, Kenneth Aldape, Ranit Aharonov, Eric A. Stone, Eytan Ruppin. A deep-learning framework to predict cancer treatment response from histopathology images through imputed transcriptomics. Nature Cancer, 2024; DOI: 10.1038/s43018-024-00793-2
Inteligencia Artificial: Últimas noticias

Compartir este artículo

Comentarios (0)

Publicar un comentario