{"id":42701,"date":"2023-11-07T10:23:58","date_gmt":"2023-11-07T16:23:58","guid":{"rendered":"https:\/\/saluddigital.com\/?p=42701"},"modified":"2025-10-19T00:21:04","modified_gmt":"2025-10-19T06:21:04","slug":"investigadores-de-johns-hopkins-crean-modelo-de-aprendizaje-automatico-que-calcula-exito-de-quimioterapia","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/investigadores-de-johns-hopkins-crean-modelo-de-aprendizaje-automatico-que-calcula-exito-de-quimioterapia\/","title":{"rendered":"Investigadores de Johns Hopkins crean modelo de aprendizaje autom\u00e1tico que calcula \u00e9xito de quimioterapia\u00a0"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Investigadores de Johns Hopkins Medicine desarrollaron un modelo de aprendizaje autom\u00e1tico para calcular el \u00e9xito de la quimioterapia en pacientes con osteosarcoma.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Un equipo de investigaci\u00f3n de Johns Hopkins Medicine desarroll\u00f3 un modelo de aprendizaje autom\u00e1tico para calcular el porcentaje de necrosis en pacientes con osteosarcoma, un tipo de c\u00e1ncer \u00f3seo. El modelo logr\u00f3 una precisi\u00f3n del 85% en comparaci\u00f3n con los resultados de un pat\u00f3logo musculoesquel\u00e9tico, y tras eliminar un valor at\u00edpico, la precisi\u00f3n se elev\u00f3 al 99%.<\/p>

Cabe mencionar que el c\u00e1lculo de porcentaje de necrosis despu\u00e9s de la quimioterapia es importante para proporcionar un pron\u00f3stico de supervivencia al paciente. Un porcentaje del 99% indica que el 99% del tumor est\u00e1 muerto, lo que significa que la quimioterapia fue efectiva y que el paciente tiene mejores probabilidades de sobrevivir. Por su parte, los pat\u00f3logos calculan esta variable mediante la observaci\u00f3n y la anotaci\u00f3n de im\u00e1genes de l\u00e1minas completas, que son secciones finamente cortadas de una muestra de tejido \u00f3seo, montadas en l\u00e1minas para su an\u00e1lisis microsc\u00f3pico.<\/p>

Calcular este porcentaje es un proceso tardado y que no solo requiere mucho trabajo sino tambi\u00e9n una gran cantidad de datos de anotaci\u00f3n del pat\u00f3logo musculoesquel\u00e9tico y, adem\u00e1s, tiene una baja fiabilidad entre observadores, lo que significa que dos pat\u00f3logos que intentan calcularlo a partir de las mismas im\u00e1genes de l\u00e1minas a suelen informar conclusiones diferentes. Por ello, el equipo decidi\u00f3 desarrollar un modelo de aprendizaje autom\u00e1tico \u201cd\u00e9bilmente supervisado\u201d, que requer\u00eda una cantidad m\u00ednima de datos de anotaci\u00f3n para su entrenamiento. Esto con el prop\u00f3sito de reducir la carga de trabajo del pat\u00f3logo musculoesquel\u00e9tico que utiliza el modelo.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Para entrenar el modelo, el equipo recopil\u00f3 datos, incluidas im\u00e1genes de l\u00e1minas, de los archivos de patolog\u00eda del centro oncol\u00f3gico terciario de Johns Hopkins. Los datos proven\u00edan de pacientes con osteosarcoma intramedular que se sometieron a quimioterapia y cirug\u00eda entre 2011 y 2021. Un pat\u00f3logo musculoesquel\u00e9tico anot\u00f3 parcialmente tres tipos de tejido en cada una de las im\u00e1genes de l\u00e1minas recopiladas y estim\u00f3 el porcentaje de necrosis para cada paciente. Con esta informaci\u00f3n, el equipo comenz\u00f3 a entrenar el modelo.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

\u201cDividimos las im\u00e1genes de l\u00e1minas en miles de peque\u00f1os fragmentos y luego dividimos los fragmentos en grupos en funci\u00f3n de c\u00f3mo los etiquet\u00f3 el pat\u00f3logo. Finalmente, alimentamos estos grupos de fragmentos al modelo para entrenarlo. Pensamos que esto le dar\u00eda al modelo un marco de referencia m\u00e1s s\u00f3lido que simplemente alimentarlo con una sola imagen de l\u00e1mina grande y arriesgarse a perder el panorama general\u201d, explic\u00f3 dice Zhenzhen Wang, coautora del estudio y estudiante de doctorado en ingenier\u00eda biom\u00e9dica en Johns Hopkins.<\/p>

Tras el entrenamiento, el modelo y el pat\u00f3logo musculoesquel\u00e9tico interpretaron seis im\u00e1genes de l\u00e1minas de dos pacientes con osteosarcoma. Los resultados mostraron una correlaci\u00f3n positiva del 85% entre el modelo y el pat\u00f3logo en los c\u00e1lculos de porcentaje de necrosis y etiquetado de tejido. Sin embargo, el modelo no etiquet\u00f3 adecuadamente el cart\u00edlago en una de las im\u00e1genes, lo que condujo a un valor at\u00edpico. Cuando se excluy\u00f3 el valor at\u00edpico, la correlaci\u00f3n aument\u00f3 al 99%.<\/p>

Este modelo tiene el potencial de agilizar la evaluaci\u00f3n de la efectividad de la quimioterapia en los pacientes, proporcionando estimaciones de pron\u00f3stico m\u00e1s r\u00e1pidas y reduciendo los costos de atenci\u00f3n m\u00e9dica. \u201cSi este modelo se valida y se produce, podr\u00eda ayudar a acelerar la evaluaci\u00f3n de la efectividad de la quimioterapia en un paciente y, por lo tanto, proporcionarle una estimaci\u00f3n del pron\u00f3stico m\u00e1s pronto\u201d, expres\u00f3 Christa LiBrizzi, coautora del estudio y residente del Departamento de Cirug\u00eda Ortop\u00e9dica en Johns Hopkins. Adem\u00e1s, mencion\u00f3 que adem\u00e1s de reducir los costos de la atenci\u00f3n m\u00e9dica, tambi\u00e9n disminuir\u00eda la carga de trabajo de los pat\u00f3logos musculoesquel\u00e9ticos.<\/p>

Check the full study at the following link:<\/p>

https:\/\/onlinelibrary.wiley.com\/doi\/10.1002\/jor.25693<\/a><\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

WILEY<\/b><\/p>

https:\/\/onlinelibrary.wiley.com\/doi\/10.1002\/jor.25693<\/a><\/span><\/p>

NEWS WISE<\/b><\/p>

https:\/\/www.newswise.com\/articles\/johns-hopkins-medicine-researchers-create-machine-learning-model-to-calculate-chemotherapy-success-in-patients-with-osteosarcoma<\/a><\/span><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Investigadores de Johns Hopkins Medicine desarrollaron un modelo de aprendizaje autom\u00e1tico para calcular el \u00e9xito de la quimioterapia en pacientes con osteosarcoma. Un equipo de investigaci\u00f3n de Johns Hopkins Medicine desarroll\u00f3 un modelo de aprendizaje autom\u00e1tico para calcular el porcentaje de necrosis en pacientes con osteosarcoma, un tipo de c\u00e1ncer \u00f3seo. El modelo logr\u00f3 una precisi\u00f3n del 85% en comparaci\u00f3n con los resultados de un pat\u00f3logo musculoesquel\u00e9tico, y tras eliminar un valor at\u00edpico, la precisi\u00f3n se elev\u00f3 al 99%. Cabe mencionar que el c\u00e1lculo de porcentaje de necrosis despu\u00e9s de la quimioterapia es importante para proporcionar un pron\u00f3stico de supervivencia al paciente. Un porcentaje del 99% indica que el 99% del tumor est\u00e1 muerto, lo que significa que la quimioterapia fue efectiva y que el paciente tiene mejores probabilidades de sobrevivir. Por su parte, los pat\u00f3logos calculan esta variable mediante la observaci\u00f3n y la anotaci\u00f3n de im\u00e1genes de l\u00e1minas completas, que son secciones finamente cortadas de una muestra de tejido \u00f3seo, montadas en l\u00e1minas para su an\u00e1lisis microsc\u00f3pico. Calcular este porcentaje es un proceso tardado y que no solo requiere mucho trabajo sino tambi\u00e9n una gran cantidad de datos de anotaci\u00f3n del pat\u00f3logo musculoesquel\u00e9tico y, adem\u00e1s, tiene una baja fiabilidad entre observadores, lo que significa que dos pat\u00f3logos que intentan calcularlo a partir de las mismas im\u00e1genes de l\u00e1minas a suelen informar conclusiones diferentes. Por ello, el equipo decidi\u00f3 desarrollar un modelo de aprendizaje autom\u00e1tico \u201cd\u00e9bilmente supervisado\u201d, que requer\u00eda una cantidad m\u00ednima de datos de anotaci\u00f3n para su entrenamiento. Esto con el prop\u00f3sito de reducir la carga de trabajo del pat\u00f3logo musculoesquel\u00e9tico que utiliza el modelo. Para entrenar el modelo, el equipo recopil\u00f3 datos, incluidas im\u00e1genes de l\u00e1minas, de los archivos de patolog\u00eda del centro oncol\u00f3gico terciario de Johns Hopkins. Los datos proven\u00edan de pacientes con osteosarcoma intramedular que se sometieron a quimioterapia y cirug\u00eda entre 2011 y 2021. Un pat\u00f3logo musculoesquel\u00e9tico anot\u00f3 parcialmente tres tipos de tejido en cada una de las im\u00e1genes de l\u00e1minas recopiladas y estim\u00f3 el porcentaje de necrosis para cada paciente. Con esta informaci\u00f3n, el equipo comenz\u00f3 a entrenar el modelo. \u201cDividimos las im\u00e1genes de l\u00e1minas en miles de peque\u00f1os fragmentos y luego dividimos los fragmentos en grupos en funci\u00f3n de c\u00f3mo los etiquet\u00f3 el pat\u00f3logo. Finalmente, alimentamos estos grupos de fragmentos al modelo para entrenarlo. Pensamos que esto le dar\u00eda al modelo un marco de referencia m\u00e1s s\u00f3lido que simplemente alimentarlo con una sola imagen de l\u00e1mina grande y arriesgarse a perder el panorama general\u201d, explic\u00f3 dice Zhenzhen Wang, coautora del estudio y estudiante de doctorado en ingenier\u00eda biom\u00e9dica en Johns Hopkins. Tras el entrenamiento, el modelo y el pat\u00f3logo musculoesquel\u00e9tico interpretaron seis im\u00e1genes de l\u00e1minas de dos pacientes con osteosarcoma. Los resultados mostraron una correlaci\u00f3n positiva del 85% entre el modelo y el pat\u00f3logo en los c\u00e1lculos de porcentaje de necrosis y etiquetado de tejido. Sin embargo, el modelo no etiquet\u00f3 adecuadamente el cart\u00edlago en una de las im\u00e1genes, lo que condujo a un valor at\u00edpico. Cuando se excluy\u00f3 el valor at\u00edpico, la correlaci\u00f3n aument\u00f3 al 99%. Este modelo tiene el potencial de agilizar la evaluaci\u00f3n de la efectividad de la quimioterapia en los pacientes, proporcionando estimaciones de pron\u00f3stico m\u00e1s r\u00e1pidas y reduciendo los costos de atenci\u00f3n m\u00e9dica. \u201cSi este modelo se valida y se produce, podr\u00eda ayudar a acelerar la evaluaci\u00f3n de la efectividad de la quimioterapia en un paciente y, por lo tanto, proporcionarle una estimaci\u00f3n del pron\u00f3stico m\u00e1s pronto\u201d, expres\u00f3 Christa LiBrizzi, coautora del estudio y residente del Departamento de Cirug\u00eda Ortop\u00e9dica en Johns Hopkins. Adem\u00e1s, mencion\u00f3 que adem\u00e1s de reducir los costos de la atenci\u00f3n m\u00e9dica, tambi\u00e9n disminuir\u00eda la carga de trabajo de los pat\u00f3logos musculoesquel\u00e9ticos. Consulta el estudio completo en el siguiente enlace: https:\/\/onlinelibrary.wiley.com\/doi\/10.1002\/jor.25693 BIBLIOGRAF\u00cdA WILEY https:\/\/onlinelibrary.wiley.com\/doi\/10.1002\/jor.25693 NEWS WISE https:\/\/www.newswise.com\/articles\/johns-hopkins-medicine-researchers-create-machine-learning-model-to-calculate-chemotherapy-success-in-patients-with-osteosarcoma<\/p>","protected":false},"author":1,"featured_media":42703,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-42701","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/42701","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=42701"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/42701\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/42703"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=42701"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=42701"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=42701"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}