Método de IA mide gravedad del cáncer mediante informes patológicos

Los investigadores suelen recurrir a los registros de tumores, que son bases de datos gestionadas por hospitales y organismos gubernamentales, para seleccionar a los pacientes de cáncer para los ensayos clínicos. Estos registros requieren personal especializado para evaluar manualmente el estadio del cáncer de un paciente mediante la revisión de diversos documentos, incluidos los informes de laboratorio y las notas de los médicos. Este proceso puede llevar mucho tiempo y, para cuando se añade la información del paciente al registro, pueden haber pasado meses, lo que podría hacer que el paciente perdiera la oportunidad de participar en ensayos clínicos o recibir otros tratamientos. Ahora, los investigadores han desarrollado y probado con éxito un método de inteligencia artificial (IA) que puede reducir significativamente esta demora, mejorando el ritmo de la investigación y ampliando el acceso de los pacientes a los ensayos clínicos.

El método de IA, desarrollado por un grupo de investigadores dirigido por Cedars-Sinai (Los Ángeles, CA, EUA), utiliza informes de patología para clasificar automáticamente a los pacientes según la gravedad de sus cánceres, lo que potencialmente acelera el proceso de selección de ensayos clínicos. Este avance, descrito en la revista revisada por pares Nature Communications, no solo tiene el potencial de agilizar el lanzamiento de ensayos clínicos sobre el cáncer, sino que también representa una expansión significativa del papel de la IA en la atención médica. El desarrollo de este modelo de IA fue posible gracias a una investigación previa que superó los desafíos técnicos en la extracción y el análisis de las notas de los patólogos de los registros médicos electrónicos. El modelo de IA puede determinar rápidamente el estadio del cáncer interpretando un componente específico del registro médico electrónico del paciente: el informe de patología, que detalla los hallazgos del examen de las muestras de tejido por parte de los patólogos. En pruebas con miles de registros de pacientes, los investigadores confirmaron que su modelo de IA estadificó eficazmente los cánceres de los pacientes.

El método se basa en un modelo de IA transformador, que imita las complejas capacidades de toma de decisiones del cerebro humano. Para desarrollar el modelo, los investigadores primero lo entrenaron utilizando informes de patología disponibles públicamente de The Cancer Genome Atlas, una base de datos del gobierno que contiene datos de casi 7.000 pacientes de 23 tipos de cáncer. Para probar su versatilidad, el modelo se aplicó a casi 8.000 informes de patología de un solo centro médico. Los resultados, medidos utilizando una estadística de evaluación de IA estándar, mostraron que el modelo funcionó con alta precisión. Además de evaluar a los pacientes para ensayos clínicos en función de sus estadios de cáncer, el modelo de IA también puede automatizar la clasificación de pacientes para estudios de observación, análisis de datos retrospectivos y planificación del tratamiento. Los investigadores han puesto su modelo de IA, llamado BB-TEN (Big Bird – TNM staging Extracted from Notes), a disposición de otras instituciones para usos académicos y otros usos.

“Al acelerar la selección de candidatos para ensayos clínicos sobre el cáncer, este innovador modelo de IA promete acelerar el desarrollo de tratamientos relevantes y ponerlos a disposición de más pacientes”, afirmó el Dr. Jason Moore, presidente del Departamento de Biomedicina Computacional de Cedars-Sinai.

Visitar la expo >

Miembro Oro

CONTROL DE CALIDAD DE TROPONINA T

Troponin T Quality Control

Verification Panels for Assay Development & QC
Seroconversion Panels

New

TORCH Infections Test

TORCH Panel

New

Malaria Test

STANDARD Q Malaria P.f/Pan Ag