Para un pequeño porcentaje de pacientes con cáncer, los médicos no pueden determinar en qué parte del cuerpo se originó la enfermedad.
Para ayudar a identificar el origen de los cánceres de origen desconocido (COD), investigadores del Instituto de Tecnología de Massachusetts (MIT) han creado un modelo de inteligencia artificial que analiza la información genética del paciente y predice dónde apareció por primera vez el tumor.
Al utilizar el nuevo modelo de IA en 900 pacientes con cánceres de origen desconocido, los investigadores descubrieron que podían clasificar correctamente al menos el 40% de los tumores, según un estudio publicado en Nature Medicine.
¿QUÉ ES LA INTELIGENCIA ARTIFICIAL (IA)?
Esta información podría ayudar a los médicos a recomendar los mejores tratamientos dirigidos para estos pacientes con cáncer, afirman los investigadores.
"Nuestro estudio demostró que OncoNPC, el modelo de IA que desarrollamos, puede aprovechar los datos genómicos recopilados de forma rutinaria para ayudar en la toma de decisiones clínicas para pacientes con tumores de origen desconocido (COD), que son difíciles de diagnosticar convencionalmente y tienen opciones de tratamiento limitadas", dijo Intae Moon, estudiante de posgrado del MIT en ingeniería eléctrica y ciencias de la computación, quien es el autor principal del estudio, a Fox News Digital.
"También demostramos que los tumores de COD comparten características genéticas y pronósticas con sus tipos de cáncer predichos y podrían beneficiarse de los tratamientos existentes guiados por las predicciones de OnoNPC".
Los investigadores también encontraron que el 15% de los pacientes podrían haber recibido tratamientos dirigidos si se hubiera detectado el origen de su cáncer.
El estudio tuvo limitaciones, según dicen los investigadores
Aunque los investigadores utilizaron datos de varios centros para entrenar su modelo de IA, Moon señaló que los datos clínicos utilizados para su análisis detallado provenían de una sola institución.
Esto podría limitar la aplicabilidad de los hallazgos a otros entornos.
"Otra limitación es que una gran parte (83.2%) de los pacientes en los datos de entrenamiento eran blancos, lo que podría significar que la herramienta puede ser más precisa para los pacientes blancos", dijo Moon.
"Aunque aún tuvo un rendimiento razonable para otras etnias, se requiere una investigación más exhaustiva para asegurarse de que el modelo beneficie a una población de pacientes diversa".
Además, solo se consideraron 22 de los tipos de cáncer más comunes para clasificar los tumores, lo que significa que si un tumor pertenece a un tipo no incluido en la lista, las predicciones podrían ser menos precisas.
Se requiere una investigación más exhaustiva para asegurarse de que el modelo esté beneficiando a una población diversa de pacientes."
"Esperamos resolver esto gradualmente a medida que recopilamos más datos exhaustivos", dijo Moon.
"Finalmente, aunque nuestros hallazgos demuestran que los pacientes con CPC clasificados por nuestro algoritmo tienen una mejor respuesta clínica a los tratamientos 'compatibles', esto sigue siendo en última instancia un análisis retrospectivo", agregó.
"Sería necesario un estudio prospectivo aleatorizado para confirmar que la relación es causal."
Moon señaló que los investigadores ven a OncoNPC como un algoritmo que se utiliza en conjunto con los tratamientos convencionales contra el cáncer, no como un reemplazo.
"Es importante validar los resultados de nuestro estudio en diferentes instituciones, lo que consideramos pasos cruciales", dijo.
"A largo plazo, esperamos que esto motive a realizar más estudios sobre la heterogeneidad dentro de los CPC y conduzca a aún más opciones de tratamiento."
Mirando hacia el futuro, los investigadores esperan integrar datos no estructurados como imágenes de patología y notas clínicas, permitiendo que la IA logre una comprensión más holística de los tumores.
"Los hallazgos son alentadores y proporcionan una visión importante sobre cómo podríamos abordar casos tan complejos".
"Esto podría mejorar potencialmente su capacidad en varias tareas, incluida la predicción directa de la supervivencia y los tratamientos óptimos", dijo Moon.
'Un paso importante'
El Dr. Tinglong Dai, profesor de gestión de operaciones y análisis empresarial en la Escuela de Negocios Carey de la Universidad Johns Hopkins en Baltimore, Maryland, no formó parte de la investigación del MIT. Sin embargo, considera este estudio como "un paso importante hacia la identificación de planes de tratamiento óptimos para pacientes con cáncer de origen desconocido"."Los hallazgos son alentadores y proporcionan una visión importante sobre cómo podríamos abordar casos tan complejos", dijo a Fox News Digital.
"No obstante, hay que tener en cuenta que la naturaleza retrospectiva del estudio requiere una validación adicional mediante estudios de campo para evaluar su desempeño en el mundo real".
HAZ CLIC AQUÍ PARA SUSCRIBIRTE A NUESTRO BOLETÍN DE NOTICIAS DE SALUD
Cuando se trata de utilizar este enfoque en el mundo real, Dai señaló que la forma en que los médicos integren y utilicen dichos modelos en su práctica diaria es un factor crítico.
Su aceptación y una incorporación efectiva del modelo serán cruciales para traducir la evidencia en estrategias practicables", dijo.
HAGA CLIC AQUÍ PARA OBTENER LA APLICACIÓN DE FOX NEWS
Dai reiteró que la incorporación de datos no estructurados, como imágenes de patología, podría agregar más capas de información y mejorar la precisión predictiva.
Añadió: "La integración de múltiples fuentes de datos casi seguramente resultará en un enfoque más robusto".
