La Inteligencia Artificial, cada vez más cerca de poder detectar y diagnosticar el cáncer

20 de junio de 2024
2 minutos de lectura
La Fundación Merck Salud lanza la monografía 'Inteligencia Artificial en el campo de la Salud'. | Fuente: Fundación Merck Salud.

Sigue siendo una de las enfermedades más difíciles de combatir, con más de 19 millones de casos y 10 millones de muertes al año

Un reciente artículo en la revista Biology Methods & Protocols, publicado por Oxford University Press y elaborado por investigadores de la Universidad de Cambridge y el Imperial College de Londres, sugiere que pronto los médicos podrán utilizar la inteligencia artificial (IA) para detectar y diagnosticar cáncer en los pacientes, facilitando así tratamientos más tempranos.

El cáncer sigue siendo una de las enfermedades más difíciles de combatir, con más de 19 millones de casos y 10 millones de muertes al año. La evolución del cáncer hace que el tratamiento de tumores en etapas avanzadas sea especialmente complicado.

La información genética se codifica en el ADN mediante patrones de cuatro bases (A, T, G y C) que forman su estructura. Los factores ambientales pueden modificar estas bases mediante la adición de grupos metilo, en un proceso conocido como metilación del ADN. Cada célula tiene millones de estas marcas de metilación del ADN. Los investigadores han observado cambios en estas marcas durante las etapas tempranas del cáncer, lo que podría ser clave para un diagnóstico precoz.

Es posible analizar qué bases del ADN están metiladas en los cánceres y en qué medida, comparándolas con tejido sano. Identificar estas firmas específicas de metilación del ADN para diferentes tipos de cáncer es como buscar una aguja en un pajar. Aquí es donde entra la IA. Los investigadores entrenaron un modelo de IA, usando una combinación de aprendizaje automático y profundo, para examinar los patrones de metilación del ADN e identificar 13 tipos diferentes de cáncer (incluyendo los de mama, hígado, pulmón y próstata) con una precisión del 98.2%. Este modelo se basa en muestras de tejido (no en fragmentos de ADN en la sangre) y requeriría más entrenamiento y pruebas con una variedad más amplia de muestras de biopsia para estar listo para su uso clínico.

Comprensión de los procesos que contribuyen al cáncer

Un aspecto crucial de este estudio fue el uso de un modelo de IA explicable e interpretable, que proporcionó información sobre el razonamiento detrás de sus predicciones. Los investigadores exploraron el funcionamiento interno de su modelo y demostraron que este refuerza y mejora la comprensión de los procesos subyacentes que contribuyen al cáncer.

La identificación de estos patrones anormales de metilación (potencialmente a partir de biopsias) permitiría a los profesionales de la salud detectar el cáncer de manera temprana, lo que podría mejorar significativamente los resultados de los pacientes, ya que la mayoría de los cánceres son tratables o curables si se detectan a tiempo.

“Los métodos computacionales como este modelo, con mejor entrenamiento y pruebas clínicas rigurosas, eventualmente proporcionarán herramientas de IA que ayudarán a los médicos en la detección temprana del cáncer”, concluye Shamith Samarajiwa, autor principal del artículo. “Esto resultará en mejores resultados para los pacientes”.

Responder

Your email address will not be published.

No olvides...

Miguel Hernández. Noticias dolorosas

Introducción. Capítulo primero
Mata a su exnovia y a la exsuegra en Zafarraya y se suicida

Sábado negro con seis asesinatos en tres casos de violencia machista

Los casos de Zafarraya, Fuengirola y Las Pedroñeras aumentan a 22 la cifra de asesinatos machistas en el año 2024
Piden reforzar la normativa sobre incendios en edificios

Los expertos alertan de la debilidad en España en la protección de incendios en edificios

La propagación actual de fuegos en inmuebles es seis veces más rápida que en 1950 y alude en especial a
Patinete

La DGT obligará a usar casco y tener como mínimo 16 años para usar patinete eléctrico

España regulariza la posibilidad de que los ciclistas circulen en sentido contrario a los vehículos de motor, como sucede en