Análisis de sangre con IA detecta cáncer de ovario

Si bien más del 90 % de las mujeres presentan síntomas en la Etapa I, solo el 20 % son diagnosticadas en las etapas tempranas (Etapa I o II) debido a que los síntomas, como distensión abdominal, dolor abdominal y problemas digestivos, a menudo se asemejan a los de afecciones benignas. Los métodos de diagnóstico actuales, que generalmente se basan en procedimientos invasivos o biomarcadores menos confiables, con frecuencia no detectan la enfermedad en una etapa temprana. Este desafío se ve agravado por la escasez de oncólogos ginecológicos, lo que limita el acceso oportuno a atención especializada. En consecuencia, se necesita urgentemente una prueba confiable de detección temprana para mujeres sintomáticas. Ahora, una innovadora plataforma multiómica impulsada por inteligencia artificial (IA) ha demostrado una alta precisión en la detección del cáncer de ovario en mujeres sintomáticas, un grupo donde el diagnóstico temprano es crítico, pero a menudo se retrasa.

La plataforma GlycoLocate, desarrollada por AOA Dx (Denver, Colorado, EUA), integra datos multiómicos combinando biomarcadores de lípidos, gangliósidos y proteínas de una pequeña muestra de sangre mediante cromatografía líquida-espectrometría de masas (LC-MS) e inmunoensayos. Algoritmos de aprendizaje automático analizan estos complejos conjuntos de datos multiómicos para identificar características específicas de la enfermedad, lo que proporciona resultados superiores a los de los modelos basados en un solo tipo de biomarcador. Este enfoque posiciona la prueba como una herramienta prometedora para el diagnóstico clínico. En un estudio pionero, la plataforma de AOA Dx demostró una alta precisión diagnóstica para la detección del cáncer de ovario, superando a marcadores tradicionales como el CA125. En colaboración con instituciones de renombre mundial, los investigadores de AOA Dx analizaron alrededor de 1.000 muestras de pacientes que representan una población clínica real, mostrando un excelente rendimiento en este grupo crucial.

El estudio se realizó en dos cohortes independientes, ambas representando poblaciones clínicamente similares. La cohorte 1 se utilizó para el entrenamiento del modelo, mientras que la cohorte 2 sirvió como conjunto de prueba independiente, compuesto por muestras sintomáticas recolectadas prospectivamente de la población de uso previsto de AOA. En la cohorte 1, el modelo alcanzó un área bajo la curva (AUC) del 93 % al distinguir todos los estadios del cáncer de ovario de los controles y del 92 % para la enfermedad en estadio temprano (estadio I/II). En la cohorte 2, el modelo mantuvo un excelente rendimiento con un AUC del 92 % para el cáncer de ovario en general y del 89 % para la enfermedad en estadio temprano. Estos resultados subrayan la fiabilidad de los algoritmos de aprendizaje automático de AOA Dx para identificar patrones de biomarcadores específicos del cáncer. Además, investigaciones previas en AOA Dx han demostrado el valor clínico potencial de la lipidómica para la detección temprana del cáncer de ovario.

“Nuestra plataforma detecta el cáncer de ovario en etapas tempranas y con mayor precisión que las herramientas actuales”, afirmó Oriana Papin-Zoghbi, directora ejecutiva y cofundadora de AOA Dx. “Estos hallazgos demuestran su potencial para ayudar a los profesionales clínicos a tomar decisiones más rápidas e informadas para las mujeres que necesitan claridad durante un proceso diagnóstico complejo”.

Enlaces relacionados:
AOA Dx