La inteligencia artificial y el aprendizaje automático se muestran prometedores en el diagnóstico y tratamiento del cáncer

Fig. 1. Resumen del flujo de trabajo desde la entrada de datos, la extracción de características, la selección y la construcción del modelo. Crédito: DOI: 10.3233/CBM-210201

La inteligencia artificial (IA), el aprendizaje profundo (DL) y el aprendizaje automático (ML) han transformado muchas industrias y áreas de la ciencia. Ahora, estas herramientas se están aplicando para abordar los desafíos del descubrimiento de biomarcadores de cáncer, donde el análisis de grandes cantidades de imágenes y datos moleculares está más allá de la capacidad de los análisis y herramientas estadísticas tradicionales. En una edición especial de Cancer Biomarkers, los investigadores proponen varios enfoques y exploran algunos de los desafíos únicos de usar AI, DL y ML para mejorar la precisión y el poder predictivo de los biomarcadores para el cáncer y otras enfermedades.

«El campo de los biomarcadores está bendecido con una plétora de imágenes y datos de base molecular y, al mismo tiempo, está plagado de tantos datos que ninguna persona puede comprenderlos todos», explicó la editora invitada Karin Rodland, Ph.D. ., Laboratorio Nacional del Noroeste del Pacífico, Richland; y la Universidad de Ciencias y Salud de Oregon, Portland, OR, EE. UU. «La IA ofrece una solución a ese problema y tiene el potencial de descubrir interacciones novedosas que reflejan con mayor precisión la biología del cáncer y otras enfermedades».

Aplicaciones prometedoras de IA, DL y ML presentadas en este El problema incluye la identificación de cánceres en etapa inicial, la inferencia del sitio del cáncer específico, la ayuda en la asignación de opciones terapéuticas apropiadas para cada paciente, la caracterización del microambiente tumoral y la predicción de la respuesta a la inmunoterapia.

Una descripción general completa de la literatura sobre el uso de enfoques de IA para identificar biomarcadores para el cáncer de ovario y páncreas ilustra los principios subyacentes y analiza las brechas y los desafíos que enfrenta el campo en su conjunto. Los cánceres de ovario y de páncreas son raros, pero letales porque carecen de síntomas y detección tempranos. El investigador principal Juergen A. Klenk, Ph.D., Biomedical Data Science Lab, Deloitte Consulting LLP, Arlington, VA, EE. UU., y sus colegas describen estudios que utilizan IA y ML para analizar imágenes para la detección temprana de enfermedades y modelos que pueden ser construido para predecir los resultados probables para el paciente. Se analizan algunos de los desafíos, como la dificultad de recopilar conjuntos de datos lo suficientemente grandes.

«Los algoritmos desarrollan sesgos y producen respuestas prejuiciosas cuando los datos con los que se entrenan no son representativos o están incompletos», dijo el Dr. dijo Klenk. Los investigadores sugieren que el desarrollo de bases de datos de imágenes más grandes y más diversas para cánceres raros en todas las instituciones, métodos de informes estandarizados e interfaces más fáciles de entender que aumentan la confianza del usuario son necesarios para lograr un verdadero impacto en el descubrimiento de biomarcadores.

El investigador principal Debiao Li, Ph.D., Instituto de Investigación de Imágenes Biomédicas, Centro Médico Cedars-Sinai, Los Ángeles, CA, EE. UU., y sus colegas desarrollaron un modelo para identificar a las personas en riesgo de adenocarcinoma ductal pancreático (PDAC). El PDAC está asociado con muchas anomalías precondicionales que pueden ser visibles en una tomografía computarizada (TC), pero que son difíciles de comprender mediante una evaluación visual. En su estudio, los investigadores utilizaron tomografías computarizadas de pacientes con PDAC confirmado y tomografías computarizadas de los mismos pacientes a los que se les había realizado una tomografía computarizada de seis meses a tres años antes del diagnóstico para identificar un conjunto de características de TC que eran potencialmente predictivas de PDAC. El modelo tuvo una precisión del 86 % en la clasificación de los pacientes y los controles sanos, utilizando las características de TC identificadas.

«El desafío de la IA para el avance de la investigación del cáncer de páncreas es la escasez de datos debido a la baja prevalencia. El propósito de este modelo de prueba de concepto es alentar a los investigadores a establecer un conjunto de datos más grande para una capacitación y validación extensas del modelo», dijo el Dr. Li.

Radiomics es un campo emergente donde las características se extraen de imágenes médicas utilizando diversas técnicas. Las características radiómicas pueden cuantificar la intensidad, la forma y la heterogeneidad del tumor y se han aplicado a la detección, el diagnóstico, la respuesta terapéutica y el pronóstico oncológicos. Los investigadores principales Shaoli Song, Ph.D., Shanghai Medical College and Fudan University, Shanghai, China, y Lisheng Wang, Ph.D., Shanghai Jiao Tong University, Shanghai, China, y sus colegas combinaron datos radiómicos de la tomografía por emisión de positrones preoperatoria ( PET) y CT en pacientes con carcinoma de células escamosas de cuello uterino en estadio temprano. Usaron algoritmos para desarrollar una firma pronóstica capaz de predecir la supervivencia libre de enfermedad.

«Este modelo podría proporcionar información más precisa sobre posibles recaídas y metástasis, y podría ser útil en la toma de decisiones», observaron.

Otros artículos del número especial se centran en el desarrollo de nuevas herramientas informáticas para facilitar la aplicación de la IA a la identificación de biomarcadores; el uso de imágenes de células completas e inmunofluorescencia para identificar características inmunitarias en tumores pancreáticos para proporcionar información pronóstica; el uso de microARN y aprendizaje automático aplicado para identificar un perfil de miARN asociado con tumores del estroma gastrointestinal; y el uso de agrupamiento jerárquico de conjuntos de datos multiómicos combinados para identificar una firma inmune antitumoral en pacientes con cáncer de colon.

Dr. Rodland agregó que los artículos de este número especial son solo una pequeña muestra de los diversos enfoques para usar IA, DL y ML en la investigación de biomarcadores. «Existe una necesidad urgente y continua de estrategias más efectivas para mejorar la detección temprana de cánceres. Se ha demostrado que los sistemas de inteligencia artificial de vanguardia mejoran la sensibilidad y la especificidad en la interpretación de datos de imagen y no imagen de mama, pulmón, próstata, y cánceres de cuello uterino», afirmó.

Explore más

Inteligencia artificial para predecir el éxito del tratamiento a partir de tomografías computarizadas tempranas Más información: Dina Mikdadi et al, Aplicaciones de inteligencia artificial (IA) en cáncer de ovario, cáncer de páncreas e imagen descubrimiento de biomarcadores, Cancer Biomarkers (2022). DOI: 10.3233/CBM-210301

Touseef Ahmad Qureshi et al, Predicción del adenocarcinoma ductal pancreático mediante análisis de inteligencia artificial de imágenes de tomografía computarizada previas al diagnóstico, Cancer Biomarkers (2022). DOI: 10.3233/CBM-210273

Shuai Liu et al, Modelo radiómico de imágenes PET/TC con 18F-FDG para predecir la supervivencia libre de enfermedad del cáncer escamoso de cuello uterino en etapa temprana, Biomarcadores de cáncer (2022). DOI: 10.3233/CBM-210201