IA identifica riesgos de cada sexo asociados con tumores cerebrales

Durante años, los investigadores del cáncer han observado que los hombres tienen más probabilidades que las mujeres de desarrollar glioblastoma, una forma mortal y agresiva de cáncer cerebral con una supervivencia media de solo 15 meses después del diagnóstico. Además, estos tumores tienden a ser más agresivos en los hombres. Sin embargo, identificar características específicas que podrían ayudar a predecir qué tumores crecerán más rápido ha seguido siendo un desafío. Ahora, los investigadores están recurriendo a la inteligencia artificial (IA) para descubrir estos factores de riesgo y explorar cómo difieren entre hombres y mujeres.

Los científicos de la Universidad de Wisconsin-Madison (Madison, Wisconsin, EUA) están utilizando las capacidades computacionales de la IA para analizar grandes conjuntos de datos de imágenes médicas, con el objetivo de encontrar patrones que puedan ayudar a los oncólogos a tomar decisiones más informadas para sus pacientes. Su objetivo es abordar toda la gama de desafíos que enfrentan los pacientes con cáncer, desde el diagnóstico y el pronóstico hasta la evaluación de la respuesta al tratamiento. En este estudio, los investigadores se centraron en imágenes digitales de portaobjetos de patología (secciones delgadas de muestras de tumores) en un esfuerzo por detectar patrones que pudieran predecir la velocidad a la que podría crecer un tumor y, en consecuencia, cuánto tiempo podría sobrevivir un paciente. El pronóstico preciso es fundamental, ya que influye en las decisiones de tratamiento y afecta la calidad de vida de los pacientes después del diagnóstico.

Para abordar este problema, los investigadores desarrollaron un modelo de IA capaz de detectar patrones sutiles en las muestras de patología que podrían ser imperceptibles para el ojo humano. Entrenaron el modelo utilizando datos de más de 250 estudios de glioblastoma, enseñándole a reconocer características tumorales distintivas, como la abundancia de ciertos tipos de células y el grado de invasión del tumor en el tejido sano cercano. Además, el modelo fue entrenado para identificar correlaciones entre estas características y los tiempos de supervivencia de los pacientes, teniendo en cuenta también su sexo. A través de este enfoque, el equipo creó un modelo de IA que puede identificar factores de riesgo para tumores más agresivos, con patrones distintos asociados con cada sexo.

En el caso de las mujeres, las características de mayor riesgo identificadas por el modelo de IA incluían tumores que se infiltraban en el tejido sano. En los hombres, la presencia de células pseudoempalizadas (células que rodean el tejido moribundo) se relacionaba con tumores más agresivos. Los hallazgos iniciales de los investigadores, publicados en Science Advances, revelaron que el modelo también detectó rasgos tumorales asociados con peores pronósticos para ambos sexos. El equipo ahora está ampliando su trabajo a los datos de resonancia magnética y ha comenzado a utilizar la IA para analizar otros tipos de cáncer, como el de páncreas y el de mama, con el objetivo de mejorar los resultados de los pacientes. Este estudio podría allanar el camino para enfoques de tratamiento más personalizados para los pacientes con glioblastoma.

“Se recopilan toneladas de datos durante el tratamiento de un paciente con cáncer”, afirmó Pallavi Tiwari, profesora de radiología e ingeniería biomédica. “Por desgracia, en la actualidad, se suele estudiar de forma aislada, y aquí es donde la IA tiene un enorme potencial. Al descubrir estos patrones únicos, esperamos inspirar nuevas vías para el tratamiento personalizado y alentar la investigación continua sobre las diferencias biológicas subyacentes observadas en estos tumores”.

Visitar la expo >

New

Miembro Oro

Human Chorionic Gonadotropin Test

hCG Quantitative - R012

Verification Panels for Assay Development & QC
Seroconversion Panels

New

FOB+Transferrin+Calprotectin+Lactoferrin Test

CerTest FOB+Transferrin+Calprotectin+Lactoferrin Combo Test

New

Calprotectin Assay

Fecal Calprotectin ELISA