La IA predice el mejor tratamiento para el melanoma

La inteligencia artificial (IA) predice el mejor tratamiento para pacientes con melanoma. El modelo de IA se desarrolló como parte del proyecto Data Science Experience (DSX), que fue establecido por el Hospital Isala.

“Mi deseo es mejorar la atención al paciente aprovechando los datos disponibles”, dijo Richard Brohet, epidemiólogo genético, estadístico y científico de datos de la Academia Isala. Brohet inició el proyecto DSX junto con sus colegas.

“En primera instancia, quiero hacer esto para pacientes oncológicos. DSX utiliza todos los datos médicos en Isala o Big Data. Discutimos con los médicos qué tipo de algoritmo con IA (inteligencia artificial) queríamos desarrollar primero. La elección recayó en el melanoma. Es por eso que comencé este estudio piloto junto con el oncólogo internista Jan Willem de Groot”.

¿Cuál es el mejor tratamiento?

Los pacientes con cáncer se enfrentan a varios problemas. ¿Por qué surgió y cuál es el mejor tratamiento? “Para los pacientes oncológicos, estas preguntas son difíciles de responder. El cáncer puede surgir por diversas causas, como el estilo de vida, las hormonas, el medio ambiente, las anomalías genéticas, la herencia o una combinación de estos factores. Además, el tratamiento del cáncer depende de características personales, clínicas y genéticas. Porque cada tumor y por tanto cada paciente es único, queremos un tratamiento a medida para que la supervivencia sea mejor y la probabilidad de que un tratamiento no funcione sea menor. Además de la quimioterapia, los pacientes con melanoma ahora también reciben terapia dirigida o inmunoterapia. Esto funciona para algunos pacientes, pero no para otros. ¿Cómo es eso posible? La IA podría ayudar enormemente a responder esta pregunta y brindar un tratamiento personalizado. Eso es lo que estamos tratando de hacer ahora con DSX”, explica Brohet.

El modelo de IA desarrollado como parte del proyecto DSX utiliza datos estructurados y no estructurados para el análisis. Para datos estructurados, considere el sexo, la edad, el peso y el tamaño del tumor. Los datos no estructurados incluyen datos ingresados ​​en campos de texto abierto. Esto incluye cómo le está yendo a alguien, su estilo de vida y profesión, y cómo el paciente está lidiando con la enfermedad. Esto se refiere específicamente a la información que no cabe en una lista de verificación, pero que es importante.

Ver conexiones

De Groot: “Al usar también esos datos, puedes buscar lo que no esperas y ver conexiones. También nos da una idea de los resultados de los diversos tratamientos a lo largo del tiempo. De esta manera podemos capturar y analizar cada vez mejor datos más complejos y podemos ver mejor qué son los factores predictivos”.

El modelo básico de IA que se ha desarrollado ahora predice el mejor tratamiento para un paciente con melanoma. Sin embargo, el modelo aún necesita más validación. De Groot informa que si ingresa los datos de un paciente conocido, el modelo predice el tratamiento correcto. El algoritmo ahora necesita crecer, lo que los fabricantes quieren hacer agregando más pacientes, incluso de otros centros de melanoma. Por ejemplo, quieren optimizar aún más las predicciones y así ofrecer a los pacientes soluciones a medida. De Groot: “La gente a menudo busca medicamentos que puedan prolongar la vida unos meses. Mi opinión es que podemos invertir mejor en la calidad de vida. Podemos hacerlo aprendiendo de los datos disponibles para decidir junto con el paciente sobre el tratamiento más adecuado”.

Determinación del riesgo de cáncer de pulmón

Desde hace algún tiempo, los investigadores han estado trabajando en modelos de IA que apoyen el tratamiento de pacientes oncológicos. Así es como un . jueces algoritmo AI desarrollado por investigadores de los nódulos pulmonares de Radboudumc. El modelo predice el riesgo de que estos nódulos se conviertan en tumores. La detección de tumores en una etapa temprana aumenta la posibilidad de un tratamiento exitoso y reduce el riesgo de muerte por cáncer de pulmón. Sin embargo, muchos de los pequeños nódulos que aparecen en las tomografías computarizadas son benignos. Estos pueden dejarse solos, mientras que los nódulos malignos deben tratarse. El algoritmo distingue entre bultos benignos y malignos.

Un segundo ejemplo es un algoritmo desarrollado por investigadores de la Universidad Tecnológica de Eindhoven. Este es un modelo de aprendizaje automático que predice si la inmunoterapia funcionará de manera efectiva en un paciente con cáncer. Entre otras cosas, nuestro sistema inmunológico trabaja para eliminar las amenazas en nuestro cuerpo, incluido el cáncer. Sin embargo, las células cancerosas pueden desactivar las células inmunitarias, evitando su destrucción. La inmunoterapia puede revertir este proceso en algunos casos. El algoritmo predice la posibilidad de un tratamiento exitoso con inmunoterapia.

Lucha contra el cáncer de útero

A través del proyecto de investigación PRESCRIP-TEC, que incluye la LUMC involucrados, los investigadores están trabajando en la IA que ayudará a combatir el cáncer de útero. Este cáncer es causado por el virus del papiloma humano (VPH). Las mujeres con infección crónica por VPH desarrollan cáncer de cuello uterino precanceroso. Estos se pueden rastrear a través de proyecciones. En los Países Bajos, las pruebas de detección mediante frotis son comunes. Sin embargo, en muchos países de ingresos bajos y medianos, el acceso a la atención médica suele ser deficiente y las pruebas de detección son poco frecuentes.

Una autocomprobación puede proporcionar una solución, después de lo cual es posible un tratamiento relativamente simple. Sin embargo, estos son relativamente intensivos en mano de obra en áreas remotas, mientras que la intervención rápida es importante. A través del proyecto PRESCRIP-TEC, los investigadores están trabajando en IA que ayuda a evaluar las autopruebas que las mujeres se realizan a sí mismas con un hisopo de algodón. Si tienen VPH y necesitan una prueba de detección, la tecnología de inteligencia artificial ayudará a los profesionales de la salud a reconocer la decoloración del cuello uterino.

Autor: Wouter Höffnagel
Foto: Gordon Johnson a través de Pixabay

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.