Los gemelos digitales para pacientes con cáncer podrían ser un ‘cambio de paradigma’ para la oncología predictiva
Un marco propuesto para representaciones virtuales de pacientes con cáncer mediante gemelos digitales para pacientes con cáncer (CPDT) que utilizan datos en tiempo real combinaría modelado y simulación computacional de alto rendimiento, inferencia de modelos y datos clínicos para hacer predicciones de tratamiento y decisiones de atención médica individualizadas para pacientes con cáncer. Crédito: Jeannette Yusko y Janelle Cataldo/LLNL
Un equipo multiinstitucional, incluido un colaborador del Laboratorio Nacional Lawrence Livermore (LLNL), ha propuesto un marco para modelos de gemelos digitales de pacientes con cáncer que, según los investigadores, crearía un «cambio de paradigma». para la oncología predictiva.
Publicado en línea en Nature Medicine el 25 de noviembre, el marco propuesto para las representaciones virtuales de pacientes con cáncer mediante gemelos digitales de pacientes con cáncer (CPDT) que usan datos en tiempo real combinaría modelado y simulación computacional de alto rendimiento, inferencia de modelos y datos clínicos para hacer tratamientos predicciones y decisiones de atención médica individualizadas para pacientes con cáncer. Cuando se realicen por completo, los CDPT reflejarían las características moleculares, fisiológicas y de estilo de vida de un paciente a medida que evolucionan con el tiempo y entre diferentes tratamientos, y ayudarían a «marcar el comienzo de una nueva era en la medicina» al aumentar la probabilidad de una atención óptima, concluyeron los autores.
«Los CPDT son un problema de gran desafío en esta creciente convergencia de la computación de alto rendimiento y la oncología», dijo Amy Gryshuk, quien se desempeña como líder en la Oficina de Compromisos Científicos Estratégicos de LLNL. «Tienen un tremendo potencial para hacer avanzar la medicina predictiva, pero para cumplir esa promesa necesitaremos integrar datos multiescala y multimodal para luego construir y probar modelos dinámicos a escala».
El concepto CDPT surge de una asociación entre los laboratorios del Departamento de Energía, el Instituto Nacional del Cáncer (NCI), la academia y la industria, que formaron la comunidad Envisioning Computational Innovations for Cancer Challenges (ECCIC) en 2019. LLNL organizó la primera reunión de ECCICcoorganizada por Gryshuk, que investigó la encrucijada de la computación avanzada y la investigación del cáncer y dio a luz la idea.
Bajo el marco propuesto, los investigadores crearían un conjunto de datos multiescala y multimodal a partir de datos de pacientes a nivel individual, así como ensayos clínicos y estudios de población, para entrenar la inteligencia mecánica y artificial (IA) modelos. Abordaría los cambios a lo largo de las escalas de tiempo, desde el nivel molecular hasta el nivel de la población, y a medida que evoluciona el estado de la enfermedad del paciente, el gemelo digital incorporaría datos de observación en tiempo real para predecir estados futuros.
Los investigadores prevén que los médicos utilizarán CPDT para realizar experimentos virtuales, simulando la trayectoria de la enfermedad del paciente bajo diferentes tratamientos. En cada visita con un médico, las predicciones se compararían con mediciones de la vida real para evaluar el rendimiento del gemelo digital y actualizarlo en un ciclo de «aprendizaje continuo» para informar la toma de decisiones del paciente.
Además de las predicciones de los pacientes, los CPDT proporcionarán a los legisladores información sobre qué terapias contra el cáncer son más prometedoras, informando la inversión y la asignación de recursos y ayudando a los sistemas de atención médica a responder mejor a las situaciones de salud pública en tiempo real, informaron los investigadores.
Si bien los CPDT podrían revolucionar la forma en que se tratan y manejan el cáncer y una serie de otras enfermedades complejas, los autores advirtieron que la comunidad científica tendría que superar los obstáculos en los datos, el modelado y la integración, así como las preocupaciones éticas. Los datos deberán capturarse en diversas poblaciones y bajo los principios FAIR (Encontrabilidad, Accesibilidad, Interoperabilidad, Reutilización) para garantizar que no refuercen los sesgos preexistentes, concluyó el equipo.
Explore más
Predicción de la propagación del cáncer con procesamiento de lenguaje natural Más información: Tina Hernandez-Boussard et al, Los gemelos digitales para la oncología predictiva serán un cambio de paradigma para la atención precisa del cáncer, Nature Medicine (2021). DOI: 10.1038/s41591-021-01558-5 Información de la revista: Nature Medicine
Proporcionado por Lawrence Livermore National Laboratory Cita: Los gemelos digitales para pacientes con cáncer podrían ser ‘ cambio de paradigma’ para oncología predictiva (2021, 17 de diciembre) recuperado el 29 de agosto de 2022 de https://medicalxpress.com/news/2021-12-digital-twins-cancer-patients-paradigm.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.