Un marco propuesto para representaciones virtuales de pacientes con c\u00e1ncer mediante gemelos digitales para pacientes con c\u00e1ncer (CPDT) que utilizan datos en tiempo real combinar\u00eda modelado y simulaci\u00f3n computacional de alto rendimiento, inferencia de modelos y datos cl\u00ednicos para hacer predicciones de tratamiento y decisiones de atenci\u00f3n m\u00e9dica individualizadas para pacientes con c\u00e1ncer. Cr\u00e9dito: Jeannette Yusko y Janelle Cataldo\/LLNL <\/p>\n
Un equipo multiinstitucional, incluido un colaborador del Laboratorio Nacional Lawrence Livermore (LLNL), ha propuesto un marco para modelos de gemelos digitales de pacientes con c\u00e1ncer que, seg\u00fan los investigadores, crear\u00eda un \u00abcambio de paradigma\u00bb. para la oncolog\u00eda predictiva. <\/p>\n
Publicado en l\u00ednea en Nature Medicine el 25 de noviembre, el marco propuesto para las representaciones virtuales de pacientes con c\u00e1ncer mediante gemelos digitales de pacientes con c\u00e1ncer (CPDT) que usan datos en tiempo real combinar\u00eda modelado y simulaci\u00f3n computacional de alto rendimiento, inferencia de modelos y datos cl\u00ednicos para hacer tratamientos predicciones y decisiones de atenci\u00f3n m\u00e9dica individualizadas para pacientes con c\u00e1ncer. Cuando se realicen por completo, los CDPT reflejar\u00edan las caracter\u00edsticas moleculares, fisiol\u00f3gicas y de estilo de vida de un paciente a medida que evolucionan con el tiempo y entre diferentes tratamientos, y ayudar\u00edan a \u00abmarcar el comienzo de una nueva era en la medicina\u00bb al aumentar la probabilidad de una atenci\u00f3n \u00f3ptima, concluyeron los autores.<\/p>\n
\u00abLos CPDT son un problema de gran desaf\u00edo en esta creciente convergencia de la computaci\u00f3n de alto rendimiento y la oncolog\u00eda\u00bb, dijo Amy Gryshuk, quien se desempe\u00f1a como l\u00edder en la Oficina de Compromisos Cient\u00edficos Estrat\u00e9gicos de LLNL. \u00abTienen 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 din\u00e1micos a escala\u00bb.<\/p>\n
El concepto CDPT surge de una asociaci\u00f3n entre los laboratorios del Departamento de Energ\u00eda, el Instituto Nacional del C\u00e1ncer (NCI), la academia y la industria, que formaron la comunidad Envisioning Computational Innovations for Cancer Challenges (ECCIC) en 2019. LLNL organiz\u00f3 la primera reuni\u00f3n de ECCICcoorganizada por Gryshuk, que investig\u00f3 la encrucijada de la computaci\u00f3n avanzada y la investigaci\u00f3n del c\u00e1ncer y dio a luz la idea.<\/p>\n
Bajo el marco propuesto, los investigadores crear\u00edan un conjunto de datos multiescala y multimodal a partir de datos de pacientes a nivel individual, as\u00ed como ensayos cl\u00ednicos y estudios de poblaci\u00f3n, para entrenar la inteligencia mec\u00e1nica y artificial (IA) modelos. Abordar\u00eda los cambios a lo largo de las escalas de tiempo, desde el nivel molecular hasta el nivel de la poblaci\u00f3n, y a medida que evoluciona el estado de la enfermedad del paciente, el gemelo digital incorporar\u00eda datos de observaci\u00f3n en tiempo real para predecir estados futuros.<\/p>\n
Los investigadores prev\u00e9n que los m\u00e9dicos utilizar\u00e1n CPDT para realizar experimentos virtuales, simulando la trayectoria de la enfermedad del paciente bajo diferentes tratamientos. En cada visita con un m\u00e9dico, las predicciones se comparar\u00edan con mediciones de la vida real para evaluar el rendimiento del gemelo digital y actualizarlo en un ciclo de \u00abaprendizaje continuo\u00bb para informar la toma de decisiones del paciente.<\/p>\n
Adem\u00e1s de las predicciones de los pacientes, los CPDT proporcionar\u00e1n a los legisladores informaci\u00f3n sobre qu\u00e9 terapias contra el c\u00e1ncer son m\u00e1s prometedoras, informando la inversi\u00f3n y la asignaci\u00f3n de recursos y ayudando a los sistemas de atenci\u00f3n m\u00e9dica a responder mejor a las situaciones de salud p\u00fablica en tiempo real, informaron los investigadores.<\/p>\n
Si bien los CPDT podr\u00edan revolucionar la forma en que se tratan y manejan el c\u00e1ncer y una serie de otras enfermedades complejas, los autores advirtieron que la comunidad cient\u00edfica tendr\u00eda que superar los obst\u00e1culos en los datos, el modelado y la integraci\u00f3n, as\u00ed como las preocupaciones \u00e9ticas. Los datos deber\u00e1n capturarse en diversas poblaciones y bajo los principios FAIR (Encontrabilidad, Accesibilidad, Interoperabilidad, Reutilizaci\u00f3n) para garantizar que no refuercen los sesgos preexistentes, concluy\u00f3 el equipo. <\/p>\n
Explore m\u00e1s<\/p>\n
Predicci\u00f3n de la propagaci\u00f3n del c\u00e1ncer con procesamiento de lenguaje natural M\u00e1s informaci\u00f3n:<\/strong> Tina Hernandez-Boussard et al, Los gemelos digitales para la oncolog\u00eda predictiva ser\u00e1n un cambio de paradigma para la atenci\u00f3n precisa del c\u00e1ncer, Nature Medicine (2021). DOI: 10.1038\/s41591-021-01558-5 Informaci\u00f3n de la revista:<\/strong> Nature Medicine <\/p>\n Proporcionado por Lawrence Livermore National Laboratory Cita<\/strong>: Los gemelos digitales para pacientes con c\u00e1ncer podr\u00edan ser ‘ cambio de paradigma’ para oncolog\u00eda 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 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 marco propuesto para representaciones virtuales de pacientes con c\u00e1ncer mediante gemelos digitales para pacientes con c\u00e1ncer (CPDT) que utilizan datos en tiempo real combinar\u00eda modelado y simulaci\u00f3n computacional de alto rendimiento, inferencia de modelos y datos cl\u00ednicos para hacer predicciones de tratamiento y decisiones de atenci\u00f3n m\u00e9dica individualizadas para pacientes con c\u00e1ncer. Cr\u00e9dito: Jeannette … Continuar leyendo \u00abLos gemelos digitales para pacientes con c\u00e1ncer podr\u00edan ser un ‘cambio de paradigma’ para la oncolog\u00eda predictiva\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-4264","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/4264","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=4264"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/4264\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=4264"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=4264"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=4264"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}