Modelo de IA detecta más de 170 tipos de cáncer

El diagnóstico de tumores cerebrales puede ser especialmente difícil cuando el tumor se localiza en una región donde las biopsias presentan un alto riesgo. En estos casos, donde no es posible obtener muestras de tejido, las vías de diagnóstico convencionales resultan insuficientes. Investigadores han desarrollado un modelo de inteligencia artificial (IA) que identifica tumores con alta precisión mediante datos epigenéticos, ofreciendo una alternativa más segura y rápida a los procedimientos invasivos.

Este avance de los investigadores de Charité - Universitätsmedizin Berlin (Berlín, Alemania) fue el resultado de una colaboración con múltiples socios para crear una herramienta de diagnóstico no invasiva que pudiera ofrecer una clasificación tumoral fiable. El resultado fue el modelo de IA llamado crossNN, que se basa en una arquitectura de red neuronal simple. El modelo analiza la huella epigenética de los tumores (características genéticas específicas que pueden obtenerse de fuentes como el líquido cefalorraquídeo) sin necesidad de biopsias quirúrgicas. Estas huellas son únicas para cada tumor y proporcionan información crucial sobre el comportamiento, la estructura y las tendencias de crecimiento del tumor. crossNN se entrenó utilizando un amplio conjunto de datos de tumores de referencia y posteriormente se probó en más de 5.000 muestras tumorales. El modelo alcanzó una precisión diagnóstica del 99,1 % para tumores cerebrales, superando las herramientas de IA existentes e incluso los métodos histológicos tradicionales.

Además, los investigadores ampliaron este enfoque para crear otro modelo capaz de distinguir más de 170 tipos de tumores en diferentes órganos, con una precisión impresionante del 97,8 %. Esta innovación resulta especialmente prometedora para pacientes con tumores poco frecuentes o con alto riesgo de biopsia. Al permitir la clasificación molecular sin extracción de tejido, el modelo de IA no solo acelera el diagnóstico, sino que también facilita la planificación personalizada del tratamiento. La herramienta también puede desempeñar un papel clave en la identificación de candidatos para terapias experimentales adaptadas a subtipos de tumores poco frecuentes. Los investigadores destacan la importancia de la transparencia en las aplicaciones clínicas de IA. Para obtener la aprobación regulatoria, el modelo debe ser completamente explicable, lo que significa que los médicos pueden rastrear y comprender cómo llega a sus conclusiones.

«Aunque la arquitectura de nuestro modelo de IA es mucho más sencilla que la de los enfoques anteriores y, por lo tanto, sigue siendo explicable, ofrece predicciones más precisas y, por consiguiente, una mayor certeza diagnóstica», afirmó el bioinformático Dr. Sören Lukassen.

Enlaces relacionados:
Charité - Universitätsmedizin Berlín

Visitar la expo >

Miembro Oro

HISOPOS DE FIBRA FLOCADA

Puritan® Patented HydraFlock®

ANALIZADOR HEMATOLÓGICO DE 3 PARTES
Swelab Alfa Plus Sampler

New

HAV Rapid Test

OnSite HAV IgG/IgM Rapid Test

New

Miembro Plata

Luteinizing Hormone Test

Luteinizing Hormone (LH) Rapid Test