Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Please note that the LabMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
PURITAN MEDICAL

Deascargar La Aplicación Móvil




IA aprovecha genética tumoral para predecir respuesta del paciente a quimioterapia

Por el equipo editorial de LabMedica en español
Actualizado el 07 Feb 2024
Print article
Imagen: Cáncer de cuello uterino, que se muestra aquí a nivel celular, con frecuencia resiste el tratamiento (Fotografía cortesía del Instituto Nacional del Cáncer/Unsplash)
Imagen: Cáncer de cuello uterino, que se muestra aquí a nivel celular, con frecuencia resiste el tratamiento (Fotografía cortesía del Instituto Nacional del Cáncer/Unsplash)

Comprender las respuestas de los tumores a los fármacos se vuelve un desafío debido a la naturaleza compleja de la replicación del ADN, un objetivo fundamental para muchos tratamientos contra el cáncer. Todas las células, incluidas las cancerosas, dependen de un sofisticado sistema de replicación del ADN durante la división celular. La mayoría de las quimioterapias tienen como objetivo interrumpir este proceso de replicación en células tumorales que se multiplican rápidamente. Dadas las diversas mutaciones genéticas en los tumores, predecir la resistencia a los medicamentos sigue siendo un desafío formidable. Ahora, los científicos han desarrollado un algoritmo de aprendizaje automático capaz de predecir cuándo el cáncer resistirá la quimioterapia. Este modelo se probó específicamente en cáncer de cuello uterino y predijo con precisión las respuestas al cisplatino, un fármaco de quimioterapia ampliamente utilizado. Identificó eficazmente tumores que probablemente resistirían el tratamiento y arrojó luz sobre los mecanismos moleculares que impulsan esta resistencia.

Desarrollado por la Facultad de Medicina de la Universidad de California en San Diego (La Jolla, CA, EUA), el algoritmo evalúa cómo varias mutaciones genéticas impactan colectivamente la respuesta de un tumor a los fármacos inhibidores de la replicación del ADN. La investigación se centró en 718 genes que normalmente se analizan en pruebas genéticas clínicas para detectar cáncer. Las mutaciones de estos genes formaron la base del modelo de aprendizaje automático, entrenado utilizando datos de respuesta a fármacos disponibles públicamente. Este proceso condujo a la identificación de 41 complejos moleculares (grupos de proteínas que interactúan) donde las alteraciones genéticas afectan la eficacia de los fármacos. La eficacia del modelo se demostró particularmente en el cáncer de cuello uterino, donde aproximadamente el 35 % de los tumores muestran resistencia al tratamiento.

El algoritmo distinguió con éxito entre tumores que probablemente responderían al tratamiento, correlacionándose con mejores resultados de los pacientes, y aquellos que eran resistentes. Es importante destacar que el modelo también proporcionó información sobre su proceso de toma de decisiones al identificar los complejos proteicos que impulsan la resistencia en el cáncer de cuello uterino. Esta característica de interpretabilidad del modelo es crucial no sólo por su eficacia sino también para establecer sistemas de IA confiables en aplicaciones médicas.

"Los médicos conocían previamente algunas mutaciones individuales que están asociadas con la resistencia al tratamiento, pero estas mutaciones aisladas tendían a carecer de un valor predictivo significativo. La razón es que una cantidad mucho mayor de mutaciones puede moldear la respuesta de un tumor al tratamiento de lo que se pensaba anteriormente", dijo Trey Ideker, PhD, profesor del Departamento de Medicina de UC San Diego. "La inteligencia artificial cierra esa brecha en nuestra comprensión, permitiéndonos analizar una compleja gama de miles de mutaciones a la vez".

"Desentrañar el proceso de toma de decisiones de un modelo de IA es crucial, a veces tan importante como la propia predicción", añadió Ideker. "La transparencia de nuestro modelo es una de sus fortalezas, en primer lugar porque genera confianza en el modelo y, en segundo lugar, porque cada uno de estos conjuntos moleculares que hemos identificado se convierte en un nuevo objetivo potencial para la quimioterapia. Somos optimistas de que nuestro modelo tendrá amplias aplicaciones, no sólo para mejorar el tratamiento actual contra el cáncer, sino también para impulsar otros nuevos".

Enlaces relacionados:
Universidad de California San Diego

Miembro Platino
PRUEBA RÁPIDA COVID-19
OSOM COVID-19 Antigen Rapid Test
Magnetic Bead Separation Modules
MAG and HEATMAG
POCT Fluorescent Immunoassay Analyzer
FIA Go
New
Miembro Oro
Plasma Control
Plasma Control Level 1

Print article

Canales

Química Clínica

ver canal
Imagen: Alcanzando velocidades de hasta 6.000 rpm, esta centrífuga forma la base de un nuevo tipo de prueba biomédica POC económica (Fotografía cortesía de la Universidad de Duke)

Prueba biomédica POC hace girar una gota de agua utilizando ondas sonoras para detección del cáncer

Los exosomas, pequeñas biopartículas celulares que transportan un conjunto específico de proteínas, lípidos y materiales genéticos, desempeñan un papel... Más

Diagnóstico Molecular

ver canal
Imagen: El biomarcador localiza una proteína asociada con la pérdida de función para la proteína TDP-43 (Fotografía cortesía de Johns Hopkins Medicine)

Prueba de biomarcadores líquidos detecta enfermedades neurodegenerativas antes de que aparezcan síntomas

La esclerosis lateral amiotrófica (ELA, también conocida como enfermedad de Lou Gehrig) y la demencia frontotemporal (DFT) son dos afecciones progresivamente neurodegenerativas que dañan... Más

Hematología

ver canal
Imagen: El dispositivo portátil de bajo costo identifica rápidamente a los pacientes de quimioterapia en riesgo de sepsis (Fotografía cortesía de 52North Health)

Prueba de sangre POC por punción digital determina riesgo de sepsis neutropénica en pacientes sometidos a quimioterapia

La neutropenia, una disminución de los neutrófilos (un tipo de glóbulo blanco crucial para combatir las infecciones), es un efecto secundario frecuente de ciertos tratamientos contra... Más

Microbiología

ver canal
Imagen: El análisis de sangre podría identificar a millones de personas que propagaron la TB sin saberlo (Fotografía cortesía de la Universidad de Southampton)

Análisis de sangre para tuberculosis podría detectar millones de propagadores silenciosos

La tuberculosis (TB) es la enfermedad infecciosa más mortal del mundo y se cobra más de un millón de vidas al año, según informa la Organización Mundial de la Salud.... Más

Patología

ver canal
Imagen: Núcleos toroidales marcados en magenta y micronúcleos en verde (Fotografía cortesía del IRB Barcelona)

Herramienta bioinformática para identificar alteraciones cromosómicas en células tumorales puede mejorar diagnóstico del cáncer

La inestabilidad cromosómica es una característica común en los tumores sólidos y desempeña un papel crucial en el inicio, la progresión y la propagación... Más

Tecnología

ver canal
Imagen: El sensor electroquímico detecta HPV-16 y HPV-18 con alta especificidad (Fotografía cortesía de 123RF)

Biosensor de ADN permite diagnóstico temprano del cáncer de cuello uterino

El disulfuro de molibdeno (MoS2), reconocido por su potencial para formar nanoláminas bidimensionales como el grafeno, es un material que llama cada vez más la atención de la comunidad... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.