Un mosaico de im\u00e1genes microsc\u00f3picas de tumores que forman mol\u00e9culas de ADN rotas. Cr\u00e9dito: Yu Fu, Moritz Gerstung, Spencer Phillips\/EMBL <\/p>\n
Investigadores del Instituto Europeo de Bioinform\u00e1tica (EMBL-EBI) del EMBL, el Instituto Wellcome Sanger, el Hospital Addenbrooke en Cambridge, Reino Unido, y colaboradores han desarrollado un algoritmo de inteligencia artificial (IA) que utiliza la visi\u00f3n artificial para analizar muestras de tejido de pacientes con c\u00e1ncer. Han demostrado que el algoritmo puede distinguir entre tejidos sanos y cancerosos, y tambi\u00e9n puede identificar patrones de m\u00e1s de 160 cambios de ADN y miles de ARN en tumores. El estudio, publicado hoy en Nature Cancer, destaca el potencial de la IA para mejorar el diagn\u00f3stico, el pron\u00f3stico y el tratamiento del c\u00e1ncer. <\/p>\n
El diagn\u00f3stico y el pron\u00f3stico del c\u00e1ncer se basan en gran medida en dos enfoques principales. En uno, los histopat\u00f3logos examinan la apariencia del tejido canceroso bajo el microscopio. En el otro, los genetistas del c\u00e1ncer analizan los cambios que se producen en el c\u00f3digo gen\u00e9tico de las c\u00e9lulas cancerosas. Ambos enfoques son esenciales para comprender y tratar el c\u00e1ncer, pero rara vez se usan juntos.<\/p>\n
\u00abLos m\u00e9dicos usan portaobjetos de microscop\u00eda para el diagn\u00f3stico del c\u00e1ncer todo el tiempo. Sin embargo, a\u00fan no se ha desbloqueado todo el potencial de estos portaobjetos. A medida que avanza la visi\u00f3n por computadora, podemos analizar im\u00e1genes digitales de estas diapositivas para comprender lo que sucede a nivel molecular\u00bb, dice Yu Fu, becario postdoctoral en el Grupo Gerstung en EMBL-EBI.<\/p>\n
Los algoritmos de visi\u00f3n por computadora son una forma de inteligencia artificial que puede reconocer ciertas caracter\u00edsticas en las im\u00e1genes. Fu y sus colegas reutilizaron un algoritmo de este tipo desarrollado por Google que originalmente se usaba para clasificar objetos cotidianos como limones, gafas de sol y radiadores para distinguir varios tipos de c\u00e1ncer del tejido sano. Demostraron que este algoritmo tambi\u00e9n se puede usar para predecir la supervivencia e incluso patrones de cambios en el ADN y el ARN a partir de im\u00e1genes de tejido tumoral.<\/p>\n
Algoritmos de ense\u00f1anza para detectar cambios moleculares<\/p>\n
Estudios anteriores han usado m\u00e9todos similares para analizar im\u00e1genes de uno o unos pocos tipos de c\u00e1ncer con alteraciones moleculares seleccionadas. Sin embargo, Fu y sus colegas generalizaron el enfoque en una escala sin precedentes: entrenaron el algoritmo con m\u00e1s de 17 000 im\u00e1genes de 28 tipos de c\u00e1ncer recopilados para The Cancer Genome Atlas y estudiaron todas las alteraciones gen\u00f3micas conocidas.<\/p>\n
\u00ab\u00bfQu\u00e9 es bastante notable es que nuestro algoritmo puede vincular autom\u00e1ticamente la apariencia histol\u00f3gica de casi cualquier tumor con un conjunto muy amplio de caracter\u00edsticas moleculares y con la supervivencia del paciente\u00bb, explica Moritz Gerstung, l\u00edder de grupo en EMBL-EBI.<\/p>\n
En general , su algoritmo fue capaz de detectar patrones de 167 mutaciones diferentes y miles de cambios en la actividad de los genes. Estos hallazgos muestran en detalle c\u00f3mo las mutaciones gen\u00e9ticas alteran la apariencia de las c\u00e9lulas y los tejidos tumorales.<\/p>\n
Otro grupo de investigaci\u00f3n ha validado de forma independiente estos resultados con un algoritmo de IA similar aplicado a im\u00e1genes de ocho tipos de c\u00e1ncer. Su estudio se public\u00f3 en la misma edici\u00f3n de Nature Cancer.<\/p>\n
Una herramienta potencial para la medicina personalizada<\/p>\n
La integraci\u00f3n de datos moleculares e histopatol\u00f3gicos proporciona una imagen m\u00e1s clara del perfil de un tumor. Detectar las caracter\u00edsticas moleculares, la composici\u00f3n celular y la supervivencia asociadas con tumores individuales ayudar\u00eda a los m\u00e9dicos a adaptar los tratamientos apropiados a las necesidades de sus pacientes.<\/p>\n
\u00abDesde el punto de vista de un m\u00e9dico, estos hallazgos son incre\u00edblemente emocionantes. Nuestro trabajo muestra c\u00f3mo se podr\u00eda utilizar la inteligencia artificial en la pr\u00e1ctica cl\u00ednica\u00bb, explica Luiza Moore, cient\u00edfica cl\u00ednica y pat\u00f3loga del Instituto Wellcome Sanger y el Hospital Addenbrooke. \u00abMientras que el n\u00famero de casos de c\u00e1ncer est\u00e1 aumentando en todo el mundo, el n\u00famero de pat\u00f3logos est\u00e1 disminuyendo. Al mismo tiempo, nos esforzamos por alejarnos del enfoque de ‘talla \u00fanica’ y pasar a la medicina personalizada. Una combinaci\u00f3n de patolog\u00eda digital e inteligencia artificial potencialmente puede aliviar esas presiones y mejorar nuestra pr\u00e1ctica y atenci\u00f3n al paciente\u00bb.<\/p>\n
Las tecnolog\u00edas de secuenciaci\u00f3n han impulsado la gen\u00f3mica a la vanguardia de la investigaci\u00f3n del c\u00e1ncer, sin embargo, estas tecnolog\u00edas siguen siendo inaccesibles para la mayor\u00eda de las cl\u00ednicas en todo el mundo. Una posible alternativa a la secuenciaci\u00f3n directa ser\u00eda usar IA para emular un an\u00e1lisis gen\u00f3mico utilizando datos que son m\u00e1s baratos de recopilar, como portaobjetos de microscop\u00eda.<\/p>\n
\u00abObtener toda esa informaci\u00f3n de im\u00e1genes est\u00e1ndar de tumores de una manera completamente autom\u00e1tica es revolucionario\u00bb, dice Alexander Jung, Ph.D. estudiante en EMBL-EBI. \u00abEste estudio muestra lo que podr\u00eda ser posible en los pr\u00f3ximos a\u00f1os, pero estos algoritmos deber\u00e1n refinarse antes de la implementaci\u00f3n cl\u00ednica\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
La inteligencia artificial identifica el c\u00e1ncer de pr\u00f3stata con una precisi\u00f3n casi perfecta M\u00e1s informaci\u00f3n:<\/strong> Yu Fu et al. La histopatolog\u00eda computacional pancancerosa revela mutaciones, composici\u00f3n tumoral y pron\u00f3stico, Nature Cancer (2020). DOI: 10.1038\/s43018-020-0085-8 Informaci\u00f3n de la revista:<\/strong> Nature Cancer <\/p>\n Proporcionado por el Laboratorio Europeo de Biolog\u00eda Molecular – Instituto Europeo de Bioinform\u00e1tica Cita<\/strong>: La inteligencia artificial encuentra patrones de mutaciones y supervivencia en im\u00e1genes tumorales (28 de julio de 2020) recuperado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-07-artificial-intelligence-patterns-mutations-survival.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Un mosaico de im\u00e1genes microsc\u00f3picas de tumores que forman mol\u00e9culas de ADN rotas. Cr\u00e9dito: Yu Fu, Moritz Gerstung, Spencer Phillips\/EMBL Investigadores del Instituto Europeo de Bioinform\u00e1tica (EMBL-EBI) del EMBL, el Instituto Wellcome Sanger, el Hospital Addenbrooke en Cambridge, Reino Unido, y colaboradores han desarrollado un algoritmo de inteligencia artificial (IA) que utiliza la visi\u00f3n artificial … Continuar leyendo \u00abInteligencia artificial encuentra patrones de mutaciones y supervivencia en im\u00e1genes de tumores\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-31102","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/31102","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=31102"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/31102\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=31102"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=31102"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=31102"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}