Por Tor Constantino
3 min lectura
Un nuevo modelo de inteligencia artificial (IA) pudo detectar 13 tipos diferentes de cáncer con una precisión del 98.2% utilizando solo datos de ADN de muestras de tejido, según un nuevo estudio. El modelo de IA, llamado EMethylNET, fue desarrollado por investigadores de la Universidad de Cambridge en el Reino Unido y podría acelerar la detección temprana, el diagnóstico y el tratamiento del cáncer.
Los hallazgos, publicados la semana pasada en Métodos y Protocolos de Biología, se centraron en la metilación del ADN, un proceso químico que ocurre temprano cuando las células comienzan a crecer, incluidas las células cancerosas. Los investigadores entrenaron al modelo de aprendizaje automático para detectar estructuras y vías de cáncer en construcción temprana.
“El cáncer, una colección de más de doscientas enfermedades diferentes, sigue siendo una de las principales causas de morbilidad y mortalidad en todo el mundo”, señaló el estudio. “Por lo general, detectado en etapas avanzadas de la enfermedad, el cáncer metastásico representa el 90% de las muertes asociadas al cáncer.
"Por lo tanto, la detección temprana del cáncer, combinada con las terapias actuales, tendría un impacto significativo en la supervivencia y el tratamiento de varios tipos de cáncer", destacó.
Los investigadores entrenaron EMethylNET con datos de más de 6.000 muestras de tejido del Atlas del Genoma del Cáncer, que representan 13 tipos de cáncer, incluidos los de mama, pulmón y colorrectal. Luego lo probaron en más de 900 muestras de conjuntos de datos independientes.
El modelo obtuvo una precisión de más del 98% en la clasificación de 13 tipos de cáncer y muestras no cancerosas. El estudio también destacó que el método funcionó bien a través de diversos conjuntos de datos de diferentes países. Los investigadores también pudieron identificar 3.388 sitios de metilación vinculados a genes y vías relacionados con el cáncer.
Según el estudio, el modelo de IA combina dos enfoques de IA: XGBoost, que selecciona características relevantes, y una red neuronal profunda para la clasificación. Esto le permite no solo detectar con precisión el cáncer, sino también proporcionar información sobre la regulación del cuerpo de factores no genéticos que mutan las células normales en células cancerosas.
"Estas modificaciones epigenéticas son algunos de los primeros eventos neoplásicos asociados con la carcinogénesis," señaló el estudio, reforzando el potencial de este enfoque en la detección temprana del cáncer.
Si bien esta investigación inicial es prometedora, los autores advierten que la tecnología requiere más estudios y pruebas antes de su uso clínico. El equipo de investigación dijo que ahora está trabajando para adaptar el modelo a muestras de tejido líquido, lo que podría permitir la detección temprana no invasiva del cáncer.
"Dependiendo de la disponibilidad de datos de entrenamiento, este método se puede ampliar para detectar cientos de tipos de cáncer", afirma el informe.
A medida que la inteligencia artificial continúa abriéndose camino en la atención médica, el modelo EMethylNET representa un gran paso hacia el aprovechamiento del aprendizaje automático para un diagnóstico de cáncer más temprano y preciso. Tales innovaciones podrían tener implicaciones de gran alcance para la salud pública.
Más de 19 millones de nuevos casos de cáncer son diagnosticados y se producen 10 millones de muertes por cáncer anualmente, según las últimas estimaciones de la Agencia Internacional de Investigación sobre el Cáncer.
El investigador principal no respondió a una solicitud de comentario de Decrypt.
Editado por Ryan Ozawa.
Decrypt-a-cookie
This website or its third-party tools use cookies. Cookie policy By clicking the accept button, you agree to the use of cookies.