Herramienta de IA diagnostica cáncer, guía tratamientos y predice supervivencia en diversos tipos de cáncer

Los modelos actuales de inteligencia artificial (IA) suelen estar especializados, diseñados para tareas específicas como la detección de cáncer o la predicción de la genética tumoral, y están limitados a unos pocos tipos de cáncer. Los científicos han desarrollado ahora un modelo de IA versátil, similar a ChatGPT, que puede manejar una variedad de tareas de diagnóstico en múltiples tipos de cáncer. Este avanzado sistema de IA, que se detalla en la edición del 4 de septiembre de Nature, supone una mejora significativa con respecto a muchos modelos de diagnóstico del cáncer existentes.

Desarrollado por un equipo de la Facultad de Medicina de Harvard (Boston, MA, EUA), este nuevo modelo, denominado CHIEF por sus siglas en inglés, puede realizar una amplia gama de tareas y ha sido probado en 19 tipos de cáncer. A diferencia de otros modelos de IA de diagnóstico médico fundamentales que han surgido, CHIEF es único en su capacidad de predecir los resultados de los pacientes y ha sido validado en varias cohortes de pacientes internacionales. CHIEF ha sido entrenado utilizando un conjunto de datos masivo de 15 millones de imágenes no etiquetadas, segmentadas en áreas específicas de interés y refinadas aún más utilizando 60.000 imágenes de portaobjetos completos que abarcan una amplia gama de tejidos, incluidos los de pulmón, mama, próstata y muchos otros. Este entrenamiento permite al modelo analizar regiones específicas dentro de una imagen mientras considera todo el portaobjetos, lo que promueve una interpretación más integral de las imágenes.

Al analizar diapositivas digitales de tejidos tumorales, CHIEF se destaca en la detección de células cancerosas, la predicción de perfiles moleculares y la evaluación de la supervivencia del paciente en distintos tipos de cáncer. También puede identificar características cruciales dentro del microambiente tumoral que predicen cómo un paciente podría responder a varios tratamientos como la quimioterapia o la inmunoterapia. Después de su extensa fase de entrenamiento, CHIEF se probó utilizando más de 19.400 imágenes de diapositivas completas de 32 conjuntos de datos independientes provenientes de 24 hospitales en todo el mundo. En estas pruebas, CHIEF superó a los modelos de IA existentes hasta en un 36% en tareas como la detección de células cancerosas, la identificación de orígenes de tumores, la predicción de resultados del paciente y el reconocimiento de marcadores genéticos que influyen en la respuesta al tratamiento.

La adaptabilidad de CHIEF le permite rendir de manera constante, independientemente de cómo se obtuvieron las muestras de tumor o de la técnica de digitalización utilizada. Esta flexibilidad hace que sea aplicable en diversos entornos clínicos, un avance significativo con respecto a los modelos anteriores, que a menudo solo sobresalían con ciertos tipos de muestras. Además, esta herramienta ha descubierto nuevas características tumorales relacionadas con la supervivencia de los pacientes, lo que resalta su potencial no solo para mejorar las evaluaciones del cáncer, sino también para identificar a pacientes que podrían no beneficiarse de los tratamientos estándar. Esta innovación subraya el papel cada vez mayor de la IA en la mejora del diagnóstico y el tratamiento del cáncer.

“Nuestra ambición era crear una plataforma de inteligencia artificial ágil y versátil, similar a ChatGPT, que pudiera realizar una amplia gama de tareas de evaluación del cáncer”, afirmó el autor principal del estudio, Kun-Hsing Yu, profesor adjunto de informática biomédica en el Instituto Blavatnik de la Escuela de Medicina de Harvard. “Nuestro modelo resultó ser muy útil en múltiples tareas relacionadas con la detección, el pronóstico y la respuesta al tratamiento del cáncer en múltiples tipos de cáncer. Si se valida más y se implementa ampliamente, nuestro enfoque, y otros enfoques similares al nuestro, podrían identificar de manera temprana a los pacientes con cáncer que podrían beneficiarse de tratamientos experimentales dirigidos a ciertas variaciones moleculares, una capacidad que no está disponible de manera uniforme en todo el mundo”.

Enlaces relacionados:
Facultad de Medicina de Harvard

Visitar la expo >

Miembro Platino

Analizador de coagulación automatizado

Hemolumi H6

βeta-Hydroxybutyrate Reagent
β-Hydroxybutyrate LiquiColor®

New

Neurofilament Light Chain Assay

Lumipulse G NfL Blood

Miembro Oro

Aspiration System

VACUSAFE