{"id":57103,"date":"2025-06-17T09:35:14","date_gmt":"2025-06-17T15:35:14","guid":{"rendered":"https:\/\/saluddigital.com\/?p=57103"},"modified":"2025-06-17T09:39:18","modified_gmt":"2025-06-17T15:39:18","slug":"nuevo-modelo-de-ia-mejora-diagnostico-y-clasificacion-de-mas-de-170-tipos-de-cancer","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/nuevo-modelo-de-ia-mejora-diagnostico-y-clasificacion-de-mas-de-170-tipos-de-cancer\/","title":{"rendered":"Nuevo modelo de IA mejora diagn\u00f3stico y clasificaci\u00f3n de m\u00e1s de 170 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

La herramienta crossNN permite diagnosticar con precisi\u00f3n m\u00e1s de 170 tipos de c\u00e1ncer a trav\u00e9s de datos epigen\u00e9ticos, incluso con informaci\u00f3n gen\u00e9tica incompleta o de distintas plataformas.<\/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 nuevo avance en inteligencia artificial (IA) desarrollado por cient\u00edficos europeos \u00a0del Hospital Charit\u00e9 de Berl\u00edn, promete mejorar significativamente el diagn\u00f3stico del c\u00e1ncer. Los cient\u00edficos presentaron la herramienta crossNN<\/strong>, un modelo de aprendizaje autom\u00e1tico o machine learning capaz de identificar tumores con gran precisi\u00f3n utilizando datos de metilaci\u00f3n del ADN, incluso si estos provienen de distintas plataformas tecnol\u00f3gicas o est\u00e1n incompletos. Los resultados del estudio fueron publicados en la revista Nature Cancer<\/em><\/a>.<\/p>

La metilaci\u00f3n del ADN es un proceso epigen\u00e9tico que regula la expresi\u00f3n gen\u00e9tica y puede cambiar en enfermedades como el c\u00e1ncer. Esta informaci\u00f3n se ha usado en los \u00faltimos a\u00f1os para diagnosticar tumores, especialmente cerebrales. Sin embargo, cada m\u00e9todo de an\u00e1lisis, desde microarreglos hasta secuenciaci\u00f3n de nueva generaci\u00f3n, ofrece datos distintos, lo que ha dificultado una clasificaci\u00f3n uniforme.<\/p>

Los autores establecieron un m\u00e9todo para caracterizar los tumores que no se basa en el diagn\u00f3stico microsc\u00f3pico convencional sino en modificaciones del genoma del tumor, es decir los marcadores epigen\u00e9ticos. Estos marcadores forman parte de la memoria de cada c\u00e9lula y determinan qu\u00e9 partes de la informaci\u00f3n gen\u00e9tica se leen y cu\u00e1ndo. \u201cCientos de miles de modificaciones epigen\u00e9ticas act\u00faan como interruptores de encendido y apagado para segmentos gen\u00e9ticos individuales. Sus patrones forman una huella digital \u00fanica\u201d, explica el Dr. Philipp Euskirchen, del Instituto de Neuropatolog\u00eda de Charit\u00e9.<\/p>

Este modelo de IA, se basa en una red neuronal simple y se entren\u00f3 en m\u00e1s de 5 mil tumores.\u00a0 La base de esta innovadora herramienta son las caracter\u00edsticas espec\u00edficas del material gen\u00e9tico de los tumores, como su huella epigen\u00e9tica.<\/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

De esta forma, crossNN analiza perfiles de metilaci\u00f3n generados con diferentes tecnolog\u00edas, como secuenciaci\u00f3n nanopore, WGBS o microarreglos, y aun as\u00ed clasificar el tipo de c\u00e1ncer con alta precisi\u00f3n. El estudio detalla que logr\u00f3 una exactitud del 99.1\u202f% en tumores cerebrales<\/strong>. \u201cAdem\u00e1s, pudimos entrenar un modelo de IA de la misma manera que puede distinguir m\u00e1s de 170 tipos de tumores de todos los \u00f3rganos con una precisi\u00f3n del 97.8%.<\/strong> Esto lo hace aplicable a c\u00e1nceres de todos los \u00f3rganos, m\u00e1s all\u00e1 de los relativamente raros tumores cerebrales\u201d, explic\u00f3 Philipp Euskirche, uno de los autores de la investigaci\u00f3n.<\/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

El estudio muestra que, a diferencia de otros modelos complejos, crossNN es sencillo de interpretar. Por ejemplo, sus predicciones est\u00e1n basadas en relaciones lineales entre patrones espec\u00edficos de metilaci\u00f3n y ciertos tipos de tumores. Esto permite identificar los genes m\u00e1s relevantes para cada diagn\u00f3stico y potencialmente descubrir nuevos biomarcadores.<\/p>

Adem\u00e1s, el modelo funciona con alta velocidad y puede integrarse f\u00e1cilmente a plataformas cl\u00ednicas, lo que lo hace \u00fatil para diagn\u00f3sticos r\u00e1pidos, incluso en situaciones cr\u00edticas como cirug\u00edas cerebrales.<\/p>

Esta herramienta fue entrenada inicialmente con m\u00e1s de 2,800 muestras de tumores cerebrales, sin embargo, el equipo tambi\u00e9n desarroll\u00f3 una versi\u00f3n \u201cpan-c\u00e1ncer\u201d con m\u00e1s de 8,300 muestras de 178 tipos de c\u00e1ncer distintos. Esta versi\u00f3n tambi\u00e9n tuvo un rendimiento positivo, especialmente en tumores hematol\u00f3gicos, sarcomas y neuroepiteliales. En algunos casos, como los carcinomas renales, la precisi\u00f3n fue menor, lo que sugiere que el modelo podr\u00eda ayudar a identificar inconsistencias en las clasificaciones histol\u00f3gicas tradicionales.<\/p>

\u201cEn el contexto de una medicina oncol\u00f3gica cada vez m\u00e1s personalizada y en r\u00e1pida evoluci\u00f3n, un diagn\u00f3stico preciso en un centro tumoral certificado es crucial para el \u00e9xito del tratamiento\u201d, expres\u00f3 Martin E. Kreis, director m\u00e9dico de Charit\u00e9.<\/p>

El desarrollo de crossNN representa un paso importante hacia el diagn\u00f3stico oncol\u00f3gico personalizado y accesible, permitiendo usar distintos tipos de datos gen\u00e9ticos y epigen\u00e9ticos con una sola herramienta. \u201cEn conclusi\u00f3n, nuestro estudio ofrece un marco de machine learning para la clasificaci\u00f3n multiplataforma del c\u00e1ncer basada en la metilaci\u00f3n del ADN, lo que permite el desarrollo de pruebas de diagn\u00f3stico r\u00e1pidas, resistentes, interpretables y precisas. Estos m\u00e9todos prometen convertirse en valiosas herramientas de diagn\u00f3stico para todos los tipos de c\u00e1ncer, m\u00e1s all\u00e1 de la neurooncolog\u00eda\u201d, concluye el estudio.<\/p>

Como pasos a futuro en esta investigaci\u00f3n, el equipo de investigaci\u00f3n planea una colaboraci\u00f3n con el Centro Alem\u00e1n de Investigaci\u00f3n del C\u00e1ncer, para realizar ensayos cl\u00ednicos con crossNN en ocho centros especializados en c\u00e1ncer. Esto tambi\u00e9n favorecer\u00e1 su evaluaci\u00f3n en su uso intraoperatorio. El objetivo final es incorporar la detecci\u00f3n precisa y rentable de tumores basada en muestras de ADN a la atenci\u00f3n m\u00e9dica de rutina.<\/p>

La plataforma est\u00e1 disponible en l\u00ednea para uso cl\u00ednico o acad\u00e9mico en:<\/p>

https:\/\/crossnn.charite.de<\/a>, y su c\u00f3digo fuente puede consultarse de manera libre.<\/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

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s43018-025-00976-5<\/a><\/p>

CHARIT\u00c9<\/strong><\/p>

https:\/\/www.charite.de\/service\/pressemitteilung\/artikel\/detail\/tumordiagnostik_ki_modell_erkennt_mehr_als_170_krebsarten<\/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":"

Nuevo modelo de IA mejora el diagn\u00f3stico y la clasificaci\u00f3n de m\u00e1s de 170 tipos de c\u00e1ncer a trav\u00e9s de datos epigen\u00e9ticos.<\/p>","protected":false},"author":1,"featured_media":57105,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-57103","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\/57103","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=57103"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/57103\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/57105"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=57103"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=57103"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=57103"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}