Un modelo de IA mejora la respuesta de los pacientes a la terapia contra el cáncer
Investigadores desarrollan una nueva herramienta de inteligencia artificial (IA) que puede ayudar a seleccionar el tratamiento más adecuado para los pacientes con cáncer.
Por Universidad Nacional Australiana
DeepPT es un modelo de inteligencia artificial (IA) desarrollado por científicos de la Universidad Nacional de Australia (ANU), en colaboración con colegas del Instituto Nacional del Cáncer de Estados Unidos y la compañía farmacéutica Pangea Biomed. Funciona mediante la predicción del perfil de ARN mensajero (ARNm) de un paciente. Este ARNm, esencial para la producción de proteínas, es también la información molecular clave para la medicina personalizada contra el cáncer.
Según el autor principal del trabajo, el doctor Danh-Tai Hoang, de la ANU, cuando DeepPT se combinó con una segunda herramienta llamada ENLIGHT, se descubrió que el modelo de IA predecía con éxito la respuesta de un paciente a las terapias oncológicas en múltiples tipos de cánceres.
DeepPT se entrenó con más de 5.500 pacientes de dieciséis tipos de cáncer frecuentes
"Sabemos que la selección de un tratamiento adecuado para los pacientes con cáncer puede influir decisivamente en sus resultados —explica Hoang. Y añade—: DeepPT se entrenó con más de 5.500 pacientes de dieciséis tipos de cáncer frecuentes, entre ellos los de mama, pulmón, cabeza y cuello, cuello uterino y páncreas”.
"Observamos una mejora en la tasa de respuesta de los pacientes del 33,3% sin usar nuestro modelo al 46,5% con el empleo de nuestro modelo", apunta Hoang.
El doctor Danh-Tai Hoang es el investigador que ha liderado el desarrollo del nuevo modelo de IA contra el cáncer. Crédito: The Australian National University (ANU).
DeepPT se fundamenta en trabajos anteriores de los mismos investigadores de la ANU para desarrollar una herramienta que ayude a clasificar los tumores cerebrales.
Ambas herramientas de IA están basadas en imágenes microscópicas del tejido del paciente, denominadas imágenes histopatológicas, lo que supone otra ventaja clave para los pacientes oncológicos. "Esto reduce los retrasos en el procesamiento de datos moleculares complejos, que puede llevar semanas", explica Hoang.
"Obviamente, cualquier tipo de retraso supone un verdadero reto cuando se trata de pacientes con tumores de alto grado que podrían requerir tratamiento inmediato —dice Hoang. Y concluye—: Por el contrario, las imágenes histopatológicas están disponibles de forma rutinaria, son rentables y oportunas". ▪️
Información facilitada por la Universidad Nacional de Australia -Adaptación: Enrique Coperías / RexMolón Producciones
Fuente: Hoang, DT., Dinstag, G., Shulman, E.D. et al. A deep-learning framework to predict cancer treatment response from histopathology images through imputed transcriptomics. Nature Cancer (2024). DOI: https://doi.org/10.1038/s43018-024-00793-2
