{"id":49595,"date":"2024-09-09T09:12:03","date_gmt":"2024-09-09T15:12:03","guid":{"rendered":"https:\/\/saluddigital.com\/?p=49595"},"modified":"2025-10-18T00:48:22","modified_gmt":"2025-10-18T06:48:22","slug":"cientificos-de-harvard-desarrollaron-un-modelo-de-ia-capaz-de-diagnosticar-multiples-tipos-de-cancer","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/cientificos-de-harvard-desarrollaron-un-modelo-de-ia-capaz-de-diagnosticar-multiples-tipos-de-cancer\/","title":{"rendered":"Cient\u00edficos de Harvard desarrollaron un modelo de IA capaz de diagnosticar m\u00faltiples tipos de c\u00e1ncer"},"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

Este modelo podr\u00eda acelerar la identificaci\u00f3n de pacientes que probablemente no se benefician con los tratamientos est\u00e1ndar para ciertos tipos de c\u00e1ncer.<\/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

Cient\u00edficos de la Facultad de Medicina de Harvard dise\u00f1aron un nuevo modelo de inteligencia artificial (IA) capaz de realizar diversas tareas para el diagn\u00f3stico de distintos tipos de c\u00e1ncer. Este modelo representa un avance significativo para el dise\u00f1o y desarrollo de nuevas herramientas y soluciones de IA que respalden las decisiones cl\u00ednicas en los diagn\u00f3sticos y tratamientos de c\u00e1ncer.<\/p>

Este modelo es similar a los grandes modelos de lenguaje (LLM, en ingl\u00e9s), como GPT-4, Gemini o LLama 2. El funcionamiento de esta herramienta fue detallado en un art\u00edculo publicado en Nature<\/a>. El estudio detalla que, para la evaluaci\u00f3n de im\u00e1genes histopatol\u00f3gicas, que son clave en el diagn\u00f3stico del c\u00e1ncer y la clasificaci\u00f3n de sus subtipos, se utilizan modelos de IA especializados para cada tarea diagn\u00f3stica, sin embargo, estos modelos tienen problemas de generalizaci\u00f3n cuando se aplican a im\u00e1genes de distintas fuentes o poblaciones.<\/p>

En t\u00e9rminos generales, modelos anteriores suelen estar entrenados para realizar tareas espec\u00edficas como detectar la presencia del c\u00e1ncer o predecir el perfil gen\u00e9tico de un tumor y pueden funcionar en pocos tipos de c\u00e1ncer. En cambio, este modelo realiza una gran variedad de tareas para distintos tipos de c\u00e1ncer, siendo una herramienta flexible, a la altura de un LLM.<\/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

Para lograr este avance, los autores desarrollaron el modelo Clinical Histopathology Imaging Evaluation Foundation o CHIEF<\/strong>, un marco de machine learning d\u00e9bilmente supervisado dise\u00f1ado para extraer caracter\u00edsticas de im\u00e1genes patol\u00f3gicas. CHIEF utiliza dos m\u00e9todos de preentrenamiento complementarios: uno no supervisado para identificar caracter\u00edsticas a nivel de azulejo (fragmentos de la imagen) y otro d\u00e9bilmente supervisado para reconocer patrones en la imagen completa.<\/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

\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\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

\u201cNuestra ambici\u00f3n era crear una plataforma de inteligencia artificial \u00e1gil y vers\u00e1til, similar a ChatGPT, que pudiera realizar una amplia gama de tareas de evaluaci\u00f3n del c\u00e1ncer\u201d, declar\u00f3 el autor principal del estudio, Kun-Hsing Yu, profesor adjunto de inform\u00e1tica biom\u00e9dica en el Instituto Blavatnik de la Facultad de Medicina de Harvard.<\/p>

El modelo fue entrenado con un conjunto masivo de 60,530 im\u00e1genes de visualizaci\u00f3n histol\u00f3gica virtual de 19 sitios anat\u00f3micos diferentes es decir 19 tipos distintos de c\u00e1ncer, y proces\u00f3 44 terabytes de datos de im\u00e1genes de alta resoluci\u00f3n. En este sentido, CHIEF es capaz de extraer representaciones microsc\u00f3picas \u00fatiles para identificar c\u00e9lulas cancerosas, determinar el origen del tumor, caracterizar perfiles moleculares y predecir el pron\u00f3stico del paciente.<\/p>

Adem\u00e1s, CHIEF fue validado con 19,491 im\u00e1genes adicionales de 32 conjuntos de visualizaci\u00f3n histol\u00f3gica virtual recolectadas en 24 hospitales y cohortes a nivel internacional, mostrando que superaba a los m\u00e9todos de deep learning m\u00e1s avanzados hasta en un 36.1%<\/strong>. \u00a0De esta forma, el estudio demuestra que el modelo es capaz de manejar variaciones en las muestras, debido a diferencias en los m\u00e9todos de preparaci\u00f3n de las im\u00e1genes histol\u00f3gicas virtuales y la diversidad poblacional, lo que lo convierte en una herramienta con un significativo potencial para su generalizaci\u00f3n y adopci\u00f3n para la evaluaci\u00f3n digital del c\u00e1ncer.<\/p>

\u201cNuestro modelo result\u00f3 ser muy \u00fatil en m\u00faltiples tareas relacionadas con la detecci\u00f3n, el pron\u00f3stico y la respuesta al tratamiento del c\u00e1ncer en m\u00faltiples tipos de c\u00e1ncer\u201d, detall\u00f3 Yu.<\/p>

Entre los planes a futuro de los investigadores se encuentran perfeccionar el rendimiento de CHIEF y aumentar sus capacidades. Para ello ser\u00e1 necesario realizar formaci\u00f3n adicional sobre im\u00e1genes de tejidos de enfermedades raras y otras condiciones no cancerosas. De igual forma expondr\u00e1n el modelo a m\u00e1s datos moleculares para mejorar su capacidad de identificar c\u00e1ncer con diferentes niveles de agresividad. Tambi\u00e9n buscar\u00e1n entrenar el modelo para predecir tambi\u00e9n los beneficios y efectos adversos de nuevos tratamientos contra el c\u00e1ncer, adem\u00e1s de los tratamientos normales.<\/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

HARVARD<\/strong><\/p>

https:\/\/hms.harvard.edu\/news\/new-artificial-intelligence-tool-cancer<\/a><\/p>

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s41586-024-07894-z<\/a><\/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":"

Cient\u00edficos de Harvard desarrollaron CHIEF, un modelo de IA capaz de diagnosticar m\u00faltiples tipos de c\u00e1ncer y otras tareas diagn\u00f3sticas.<\/p>","protected":false},"author":1,"featured_media":49597,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-49595","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\/49595","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=49595"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/49595\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/49597"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=49595"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=49595"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=49595"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}