Arrow
use cases

Predicción y tratamiento del cáncer hematológico impulsada por IA

Predicción de cánceres hematológicos con IA para mejorar la precisión, eficiencia en detección temprana y tratamiento de cánceres de sangre.

Problem

Los cánceres hematológicos, como las leucemias, los linfomas y los mielomas, se manifiestan en los tejidos que forman la sangre y su pronóstico depende en gran medida del subtipo de cáncer y de su estadio en el momento de la detección. Estos cánceres, que se caracterizan por presentar síntomas iniciales sutiles e inespecíficos, son bastante difíciles de diagnosticar en sus primeras etapas, aunque la identificación temprana es fundamental para optimizar el éxito del tratamiento y mejorar las perspectivas de supervivencia. En 2020, aproximadamente 1,2 millones de personas luchaban contra estos cánceres de la sangre o estaban en remisión, lo que representa un alarmante 9,5% de los casos de cáncer recién diagnosticados en los Estados Unidos (1) (2). Las tasas de supervivencia varían ampliamente, desde alrededor del 60% en las leucemias hasta más del 85% en linfomas específicos, lo que pone de relieve la imperiosa necesidad de una detección y un tratamiento oportunos y precisos (3) (4).

Why it matters

  • Los cánceres hematológicos son difíciles de diagnosticar a tiempo debido a los síntomas sutiles e inespecíficos.
  • En 2020, el 9,5% de los nuevos casos de cáncer en los EE. UU. fueron cánceres hematológicos y afectaron a 1,2 millones de personas.
  • Las tasas de supervivencia varían: alrededor del 60% para las leucemias y más del 85% para ciertos linfomas.

Solution

«Hema Support AI», UN asistente de IA conversacional para brindar apoyo a la toma de decisiones según las pautas clínicas y de investigación más actuales.

Discover more and interact with our AI!

Datasources

Integra las directrices de la Asociación Europea de Hematología (5), que detallan los estándares de atención, los hallazgos de Allart-Vorelli y otros (6) sobre la calidad de vida en el cáncer de sangre y las directivas del NICE (7).

Citations

  1. Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, Bray F. Estadísticas mundiales del cáncer 2020: estimaciones de GLOBOCAN de la incidencia y la mortalidad en todo el mundo para 36 tipos de cáncer en 185 países. CA Cancer J Clin. 2021 de mayo; 71 (3) :209-249. doi: 10.3322/caac.21660.
  2. Publicación electrónica del 4 de febrero de 2021. PMID: 33538338.2. Yuan J, Zhang Y, Wang X. Aplicación del aprendizaje automático en el tratamiento del linfoma: práctica actual y perspectivas futuras. Digit Health. 16 de abril de 2024; 10:20552076241247963. doi: 10.1177/20552076241247963. PMID: 38628632; PMC11020711.3.
  3. Jiménez Pérez M, Grande RG. Aplicación de la inteligencia artificial en el diagnóstico y tratamiento del carcinoma hepatocelular: una revisión. World J Gastroenterol. 7 de octubre de 2020; 26 (37) :5617-5628. doi: 10.3748/wjg.v26.i37.5617. PMID: 33088156; PMC7545389.4.
  4. El Alaoui Y, Elomri A, Qaraqe M, Padmanabhan R, Yasin Taha R, El Omri H, El Omri A, Aboumarzouk O. Una revisión de las aplicaciones de la inteligencia artificial en la gestión de la hematología: prácticas actuales y perspectivas futuras. J Med Internet Res. 12 de julio de 2022; 24 (7) :e36490. doi: 10.2196/36490. PMID: 35819826; PMCID: PMC9328784.5.
  5. Allart-Vorelli, P., Porro, B., Baguet, F., Michel, A. y Cousson-Gelie, F. (2015). Cáncer hematológico y calidad de vida: una revisión sistemática de la literatura. Blood Cancer Journal, 5 (4), pág. 305. https://doi.org/10.1038/bcj.2015.29
  6. Asociación Europea de Hematología (EHA). (sin fecha). Guías de práctica clínica. Recuperado de https://ehaweb.org/guidelines/clinical-practice-guidelines/
  7. Instituto Nacional para la Excelencia en Salud y Atención (NICE). (2016). Cánceres hematológicos: mejora de los resultados. (Directriz del NICE, núm. 47). Recuperado de https://www.ncbi.nlm.nih.gov/books/NBK367648/

Problem

Los cánceres hematológicos, como las leucemias, los linfomas y los mielomas, se manifiestan en los tejidos que forman la sangre y su pronóstico depende en gran medida del subtipo de cáncer y de su estadio en el momento de la detección. Estos cánceres, que se caracterizan por presentar síntomas iniciales sutiles e inespecíficos, son bastante difíciles de diagnosticar en sus primeras etapas, aunque la identificación temprana es fundamental para optimizar el éxito del tratamiento y mejorar las perspectivas de supervivencia. En 2020, aproximadamente 1,2 millones de personas luchaban contra estos cánceres de la sangre o estaban en remisión, lo que representa un alarmante 9,5% de los casos de cáncer recién diagnosticados en los Estados Unidos (1) (2). Las tasas de supervivencia varían ampliamente, desde alrededor del 60% en las leucemias hasta más del 85% en linfomas específicos, lo que pone de relieve la imperiosa necesidad de una detección y un tratamiento oportunos y precisos (3) (4).

Why it matters

  • Los cánceres hematológicos son difíciles de diagnosticar a tiempo debido a los síntomas sutiles e inespecíficos.
  • En 2020, el 9,5% de los nuevos casos de cáncer en los EE. UU. fueron cánceres hematológicos y afectaron a 1,2 millones de personas.
  • Las tasas de supervivencia varían: alrededor del 60% para las leucemias y más del 85% para ciertos linfomas.

Solution

«Hema Support AI», UN asistente de IA conversacional para brindar apoyo a la toma de decisiones según las pautas clínicas y de investigación más actuales.


Impact


Data Sources

Integra las directrices de la Asociación Europea de Hematología (5), que detallan los estándares de atención, los hallazgos de Allart-Vorelli y otros (6) sobre la calidad de vida en el cáncer de sangre y las directivas del NICE (7).


References

  1. Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, Bray F. Estadísticas mundiales del cáncer 2020: estimaciones de GLOBOCAN de la incidencia y la mortalidad en todo el mundo para 36 tipos de cáncer en 185 países. CA Cancer J Clin. 2021 de mayo; 71 (3) :209-249. doi: 10.3322/caac.21660.
  2. Publicación electrónica del 4 de febrero de 2021. PMID: 33538338.2. Yuan J, Zhang Y, Wang X. Aplicación del aprendizaje automático en el tratamiento del linfoma: práctica actual y perspectivas futuras. Digit Health. 16 de abril de 2024; 10:20552076241247963. doi: 10.1177/20552076241247963. PMID: 38628632; PMC11020711.3.
  3. Jiménez Pérez M, Grande RG. Aplicación de la inteligencia artificial en el diagnóstico y tratamiento del carcinoma hepatocelular: una revisión. World J Gastroenterol. 7 de octubre de 2020; 26 (37) :5617-5628. doi: 10.3748/wjg.v26.i37.5617. PMID: 33088156; PMC7545389.4.
  4. El Alaoui Y, Elomri A, Qaraqe M, Padmanabhan R, Yasin Taha R, El Omri H, El Omri A, Aboumarzouk O. Una revisión de las aplicaciones de la inteligencia artificial en la gestión de la hematología: prácticas actuales y perspectivas futuras. J Med Internet Res. 12 de julio de 2022; 24 (7) :e36490. doi: 10.2196/36490. PMID: 35819826; PMCID: PMC9328784.5.
  5. Allart-Vorelli, P., Porro, B., Baguet, F., Michel, A. y Cousson-Gelie, F. (2015). Cáncer hematológico y calidad de vida: una revisión sistemática de la literatura. Blood Cancer Journal, 5 (4), pág. 305. https://doi.org/10.1038/bcj.2015.29
  6. Asociación Europea de Hematología (EHA). (sin fecha). Guías de práctica clínica. Recuperado de https://ehaweb.org/guidelines/clinical-practice-guidelines/
  7. Instituto Nacional para la Excelencia en Salud y Atención (NICE). (2016). Cánceres hematológicos: mejora de los resultados. (Directriz del NICE, núm. 47). Recuperado de https://www.ncbi.nlm.nih.gov/books/NBK367648/

Reserve una consulta gratuita

Con la confianza de las principales instituciones de salud del mundo