Cr\u00e9dito: Universidad Tecnol\u00f3gica de Delft <\/p>\n
Investigadores de la Universidad Tecnol\u00f3gica de Delft y el Instituto del C\u00e1ncer de los Pa\u00edses Bajos (NKI) desarrollaron un algoritmo para predecir la respuesta del paciente a los medicamentos contra el c\u00e1ncer. Esto nos permite identificar m\u00e1s r\u00e1pidamente si algunos medicamentos pueden tener un efecto positivo en un paciente espec\u00edfico, incluso para medicamentos complicados como las quimioterapias, donde la respuesta suele ser dif\u00edcil de predecir. Este m\u00e9todo se llama TRANSACT y hace uso de la gran cantidad de datos recopilados previamente a trav\u00e9s de la investigaci\u00f3n con l\u00edneas celulares. Una l\u00ednea celular consiste en una cepa de c\u00e9lulas humanas cultivadas artificialmente en una placa de Petri. Estas l\u00edneas celulares ya se han utilizado ampliamente para estudiar los mecanismos de resistencia de los f\u00e1rmacos contra el c\u00e1ncer. Estos hallazgos, sin embargo, hasta ahora se han traducido mal a los humanos. Esto se debe en parte al hecho de que las l\u00edneas celulares son un modelo artificial de complejidad limitada en comparaci\u00f3n con un tumor real. TRANSACT fue desarrollado para cerrar esta brecha entre los sistemas modelo y la pr\u00e1ctica cl\u00ednica. <\/p>\n
Soufiane Mourragui, bioinform\u00e1tica Ph.D. estudiante, desarroll\u00f3 el algoritmo. \u00c9l explica: \u00abNuestro m\u00e9todo, TRANSACT, utiliza datos de respuesta a medicamentos medidos en modelos de l\u00edneas celulares para predecir la respuesta de un paciente a ciertos medicamentos contra el c\u00e1ncer. Desafortunadamente, estos modelos no representan completamente la biolog\u00eda observada en pacientes con c\u00e1ncer. Para abordar esto problema, TRANSACT utiliza el aprendizaje autom\u00e1tico para modelar la biolog\u00eda que es com\u00fan entre las l\u00edneas celulares y los tumores. Hemos demostrado que esto conduce a mejores predicciones en dos conjuntos de datos cl\u00ednicos. Es fant\u00e1stico poder utilizar algoritmos inform\u00e1ticos para ayudar potencialmente alg\u00fan d\u00eda a los m\u00e9dicos en sus decisiones de tratamiento\u00bb.<\/p>\n
M\u00e1s posibilidades con el aprendizaje autom\u00e1tico<\/p>\n
Para el Prof. Dr. Ir. Marcel Reinders, TRANSACT es un primer paso en la direcci\u00f3n correcta. \u00abAhora podemos predecir mejor c\u00f3mo reacciona la gente a los medicamentos. Lo interesante es que ahora podemos usar TRANSACT para predecir, para todos los tipos de medicamentos existentes, si un paciente responder\u00e1 a ellos\u00bb. El desarrollo de TRANSACT abre nuevas posibilidades para el desarrollo de tratamientos para pacientes con c\u00e1ncer\u201d, seg\u00fan el Prof. Dr. Lodewyk Wessels. Wessels es l\u00edder de grupo en el Instituto del C\u00e1ncer de los Pa\u00edses Bajos y ocupa una c\u00e1tedra en Biolog\u00eda Computacional del C\u00e1ncer en la Universidad T\u00e9cnica de Delft. El aprendizaje autom\u00e1tico nos ayuda a centrarnos en los procesos que se comparten entre las l\u00edneas celulares y los pacientes, y que juegan un papel importante en la respuesta a los medicamentos. Nuestro objetivo es emplear estos resultados para ayudar a los m\u00e9dicos a seleccionar el mejor tratamiento para el paciente\u00bb.<\/p>\n
Soufiane Mourragui dice: \u00abAunque nuestro trabajo representa un avance en el \u00e1rea de predicci\u00f3n de la respuesta a los medicamentos, el rendimiento de este nuevo El m\u00e9todo a\u00fan est\u00e1 lejos de la aplicabilidad cl\u00ednica y se necesita m\u00e1s investigaci\u00f3n para mejorarlo a\u00fan m\u00e1s. Pero nos estamos acercando. Con m\u00e1s datos y desarrollo algor\u00edtmico, esperamos mejorar el rendimiento\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
El enfoque multialgoritmo ayuda a brindar medicina personalizada para pacientes con c\u00e1ncer M\u00e1s informaci\u00f3n:<\/strong> Soufiane MC Mourragui et al , Predicci\u00f3n de la respuesta del paciente con modelos entrenados en l\u00edneas celulares y xenoinjertos derivados del paciente mediante aprendizaje de transferencia no lineal, Procedimientos de la Academia Nacional de Ciencias (2021). DOI: 10.1073\/pnas.2106682118 Informaci\u00f3n del diario:<\/strong> Procedimientos de la Academia Nacional de Ciencias <\/p>\n Proporcionado por la Universidad Tecnol\u00f3gica de Delft Cita<\/strong>: Nuevo m\u00e9todo predice la respuesta a los medicamentos de los pacientes con c\u00e1ncer (8 de diciembre de 2021) consultado el 29 de agosto de 2022 en https:\/\/medicalxpress.com \/news\/2021-12-method-drug-response-cancer-patients.html Este documento est\u00e1 sujeto a derechos de autor. Adem\u00e1s de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El se proporciona contenido para r s\u00f3lo con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Universidad Tecnol\u00f3gica de Delft Investigadores de la Universidad Tecnol\u00f3gica de Delft y el Instituto del C\u00e1ncer de los Pa\u00edses Bajos (NKI) desarrollaron un algoritmo para predecir la respuesta del paciente a los medicamentos contra el c\u00e1ncer. Esto nos permite identificar m\u00e1s r\u00e1pidamente si algunos medicamentos pueden tener un efecto positivo en un paciente espec\u00edfico, … Continuar leyendo \u00abNuevo m\u00e9todo predice la respuesta de los pacientes con c\u00e1ncer a los medicamentos\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-5032","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/5032","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=5032"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/5032\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=5032"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=5032"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=5032"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}