.png){kind=logo}
Cómo la inteligencia artificial en oncología está evolucionando el diagnóstico, tratamiento y desarrollo de fármacos para mejorar la vida de los pacientes con cáncer.
La inteligencia artificial en oncología está transformando el panorama del diagnóstico y tratamiento del cáncer, ofreciendo nuevas y poderosas herramientas para mejorar los resultados de los pacientes. Desde la detección temprana hasta la personalización del tratamiento, la IA ofrece soluciones que están acelerando el progreso en la lucha contra el cáncer.
La inteligencia artificial en oncología ha permitido un avance en el diagnóstico del cáncer. Según los artículos compartidos, la FDA ha aprobado más de 521 dispositivos médicos que utilizan IA y aprendizaje automático, con un enfoque principal en la radiología. Estos dispositivos han sido particularmente efectivos en el diagnóstico de cánceres de mama, pulmón y próstata, que representan el 31%, 8.5% y 8.5% respectivamente, de los casos donde la IA tiene mayor impacto .
Summarising representations of the artificial intelligence-based devices, FDA-approved, expressed by oncology-related specialities (a: cancer radiology 54.9%, pathology 19.7%, radiation oncology 8.5%, gastroenterology 8.5%, clinical oncology 7.0% and gynaecology 1.4%) and by tumour types (b: general cancers 33.8%, breast cancer 31.0%, lung cancer 8.5%, prostate cancer 8.5%, colorectal cancer 7.0% and brain tumours 2.8%, others: 6 tumour types, 1.4% each).
Sybil es una herramienta de inteligencia artificial desarrollada por investigadores del MIT y el Mass General Cancer Center que utiliza tomografías computarizadas de baja dosis (LDCT) para predecir el riesgo de desarrollar cáncer de pulmón hasta seis años antes de que aparezcan los primeros síntomas. Este algoritmo fue validado mediante el análisis de más de 6,000 escáneres del National Lung Screening Trial (NLST), 8,821 de pacientes en el Massachusetts General Hospital (MGH), y 12,280 en el Chang Gung Memorial Hospital en Taiwán, obteniendo una precisión de predicción de cáncer pulmonar de hasta el 94% en algunos casos. Sybil no requiere datos clínicos ni anotaciones de radiólogos, lo que permite su implementación en tiempo real en estaciones de radiología para apoyar la toma de decisiones. Aunque los resultados son prometedores, los investigadores señalan que aún se necesitan estudios prospectivos para validar su efectividad en poblaciones más diversas.
La inteligencia artificial en oncología transforma el presente como también promete grandes avances para el futuro en áreas como el desarrollo de nuevos fármacos, asistentes virtuales para pacientes y la optimización de los procesos de atención médica.
AlphaFold, una tecnología desarrollada por Google DeepMind, ha revolucionado el campo de la biología estructural al predecir con precisión la estructura 3D de 350.000 proteínas basándose únicamente en su secuencia genética. Este avance ha permitido a los investigadores comprender mejor cómo las proteínas se pliegan, lo que es fundamental para el diseño de nuevos medicamentos debido a que el plegamiento afecta como interactuan. Gracias a esta tecnología, se han podido identificar potenciales dianas terapéuticas con mayor rapidez y precisión, reduciendo significativamente los costos de experimentación en el laboratorio .
Además, herramientas de IA como las desarrolladas en iNetMed, están transformando el descubrimiento preclínico de fármacos mediante la creación de modelos computacionales que simulan cómo una enfermedad evoluciona en función de los cambios en la expresión génica. Estos modelos permiten predecir cómo un fármaco podría interactuar con un tumor, mejorando la precisión en la fase preclínica y aumentando las probabilidades de éxito en los ensayos clínicos.
Tomado de: AlphaFold - https://paperswithcode.com/method/alphafold
Los asistentes virtuales también están empezando a desempeñar un papel clave en el manejo del cáncer. Por ejemplo, Penn Medicine desarrolló un chatbot llamado Penny que guía a los pacientes a través de sus complejos regímenes de tratamiento, ayudándolos a reducir errores y mejorar la adherencia al tratamiento en un 70% . Disponible en: https://www.healthcareitnews.com/news/penn-medicine-uses-ai-chatbot-penny-improve-cancer-care
En un estudio desarrollado por Massive Bio y presentado en la Sociedad Americana de Oncología Clínica (ASCO), se demostró la viabilidad la tecnología DLVTB, que consiste de una "junta" de modelos que procesan y estructuran información de textos médicos, predicen protocolos de tratamientos basados en evidencia y generan un reporte final usando aprendizaje profundo, llamada Deep Learning Virtual Tumor Board (DLVTB), que utilizó IA para mejorar el tratamiento de pacientes con adenocarcinoma colorrectal avanzado. Esta tecnología permitió identificar el tratamiento más adecuado para cada paciente, logrando que 63% de ellos fueran elegibles para al menos un ensayo clínico, lo que representa una mejora significativa respecto al promedio nacional del 3% de elegibilidad para estos estudios .
El Impacto de la IA
El impacto de la inteligencia artificial en oncología promete seguir en aumento. . Aunque aún existen desafíos como el sesgo en los datos, especialmente en poblaciones negras, la IA tiene el potencial de transformar el cuidado del cáncer en todo el mundo .
En conclusión, la inteligencia artificial en oncología está ayudando a detectar cánceres en etapas más tempranas, mejorar la precisión diagnóstica y personalizar los tratamientos para cada paciente. A medida que la IA sigue evolucionando, su papel en la lucha contra el cáncer será cada vez más crucial, beneficiando a millones de personas en todo el mundo.
Fuentes:
Desai, A., Loaiza-Bonilla, A., Culcuoglu, C., Johnston, K., & Kurnaz, S. (2021). Outcomes and applicability of a deep learning virtual tumor board (DLVTB) in community-dwelling colorectal cancer (CRC) patients. Journal of Clinical Oncology, 39(15_suppl), e18635. https://doi.org/10.1200/JCO.2021.39.15_suppl.e18635
Kekatos, M. (2023). How artificial intelligence is being used to detect, treat cancer -- and the potential risks for patients. ABC News. https://abcnews.go.com/Health/artificial-intelligence-detect-treat-cancer-potential-risks-patients/story?id=101611751
Sava, J. (2023). Current applications of artificial intelligence in oncology. Targeted Oncology. https://www.targetedonc.com/view/current-applications-of-artificial-intelligence-in-oncology
Luchini, C., Pea, A., & Scarpa, A. (2022). Artificial intelligence in oncology: current applications and future perspectives. British Journal of Cancer, 126(1), 4-9. https://doi.org/10.1038/s41416-021-01633-1
Vachon, C. M., Scott, C. G., Norman, A. D., Khanani, S. A., Jensen, M. R., Hruska, C. B., Brandt, K. R., Winham, S. J., & Kerlikowske, K. (2023). Impact of artificial intelligence system and volumetric density on risk prediction of interval, screen-detected, and advanced breast cancer. Journal of Clinical Oncology, 22(11), 1153. https://doi.org/10.1200/JCO.22.01153
Johns Hopkins Kimmel Comprehensive Cancer Center. (2022). DeepTCR program for predicting immunotherapy responses. Johns Hopkins Medicine. https://www.hopkinsmedicine.org/kimmel_cancer_center/research/clinical_trials/
MIT and Mass General Cancer Center. (2023). Sybil AI tool for lung cancer detection. Massachusetts General Hospital. https://www.massgeneral.org/cancer-center
Penn Medicine. (2023). Penny: The virtual assistant for cancer patients. Penn Medicine. https://www.pennmedicine.org/
Marquedant, K. (2023). Artificial intelligence tool developed to predict risk of lung cancer. Massachusetts General Hospital. https://www.massgeneral.org/news/press-release/artificial-intelligence-tool-developed-to-predict-risk-lung-cancer
