noviembre 2023

Investigadores de UCLA desarrollaron un modelo de IA basado en factores epigéneticos capaz de predecir resultados de pacientes con cáncer. Científicos del Centro Oncológico Integral Jonsson Health de la Universidad de California, Los Ángeles (UCLA), desarrollaron un nuevo modelo de inteligencia artificial (IA), que se basa en factores epigéneticos para predecir los resultados de pacientes en diversos tipos de cáncer. La epigenética se refiere a las modificaciones genéticas que afectan la actividad de los genes sin cambiar la secuencia del ADN. La epigenética implica factores y procesos proteicos que permiten el establecimiento de diferentes estados, incluido el estado de actividad genética. Es decir, factores que incluyen en cómo se activan o desactivan los genes, en este caso en los tumores cancerígenos. Los resultados detallados fueron publicados en Communications Biology, los cuales revelaron que los patrones de expresión asociados con resultados pobres en pruebas de cáncer estaban presentes en células individuales dentro de los tumores. El estudio presentó además un mapa epigenético de los tipos de cáncer y sienta las bases para descubrir EPI factores atacables contra diversos tipos de cáncer. “Tradicionalmente, se ha considerado que el cáncer es principalmente el resultado de mutaciones genéticas dentro de oncogenes o supresores de tumores”, dijo la coautora principal Hilary Coller. Asimismo, explicó que la aparición de nuevas tecnologías de secuenciación de la han permitido que más personas reconozcan el valor de los factores epigenéticos, para conocer más sobre el cáncer y su progresión. “Hay diferentes aspectos del estado de la cromatina, como si las proteínas histonas estuvieran modificadas o si las bases de los ácidos nucleicos del ADN contienen grupos metilo adicionales, que pueden afectar los resultados del cáncer. Comprender estas diferencias entre tumores podría ayudarnos a aprender más sobre por qué algunos pacientes responden de manera diferente a los tratamientos y por qué sus resultados varían”, agregó. Los investigadores encontraron la relación entre los patrones epigenéticos y los resultados clínicos al analizar los patrones de expresión de 720 factores epigenéticos para clasificar tumores de 24 tipos diferentes de cáncer. De estos 24 grupos de cáncer en adultos, los investigadores encontraron que, para diez, los grupos se sacaban con diferencias significativas en los resultados de los pacientes, incluida la supervivencia. “Vimos que la eficacia pronóstica de un factor epigenético dependía del tejido de origen del tipo de cáncer” dijo Mithun Mitra, coautor principal del estudio. De igual forma, explicó que este avance puede ser útil y relevante para abordar nuevas terapias contra el cáncer. Posteriormente, el equipo utilizó un modelo de IA para predecir los resultados de los pacientes de cinco tipos de cáncer que tenían diferencias significativas en los resultados de supervivencia. El modelo arrojó resultados satisfactorios ya que logró dividir con éxito a los pacientes con este tipo de cáncer en dos grupos: los de mayor probabilidad de obtener mejores resultados y los de mayor probabilidad de obtener peores resultados. “Nuestra investigación ayuda a proporcionar una hoja de ruta para modelos de IA similares que pueden generarse a través de listas de factores epigenéticos de pronóstico disponibles públicamente”, explicó el primer autor del estudio, Michael Cheng, estudiante de posgrado en el Programa Interdepartamental de Bioinformática de UCLA. “La hoja de ruta demuestra cómo identificar ciertos factores influyentes en diferentes tipos de cáncer y contiene un potencial interesante para predecir objetivos específicos para el tratamiento del cáncer”, agregó. Cabe mencionar, que los investigadores consideran que es posible desarrollar modelos similares para cánceres pediátricos y así conocer qué factores influyen en el proceso de toma de decisiones en comparación con los modelos actuales creados para cánceres de adultos. BIBLIOGRAFÍA UCLA HEALTH https://www.uclahealth.org/news/ai-model-can-help-predict-survival-outcomes-patients-with NATURE https://www.nature.com/articles/s42003-023-05459-w

Los NIH entregaron 9.7 millones de dólares a 26 proyectos de investigaciones de dos años, para promover el uso de datos generados por el programa All os Us. All of Us es un programa de investigación de secuencias genómicas impulsado por los Institutos Nacionales de Salud de Estados Unidos (NIH), con el apoyo de participantes de todo el país. El objetivo de este proyecto a largo plazo es desarrollar avances significativos en la atención médica a través de la construcción de la base de datos más diversa de la historia. En esta ocasión el NIH anunció la financiación de 26 proyectos de investigación sobre una amplia gama de enfermedades al otorgar 9.7 millones de dólares. Estos proyectos que tienen una duración de dos años aprovecharán los datos generados a través de All of Us. “Estamos maximizando las contribuciones que hacen nuestros participantes para avanzar en la investigación apoyando el desarrollo de herramientas de clase mundial que pueden usarse para explorar los datos y acelerar la investigación médica”, explicó la Dra. Sheri Schully, subdirectora médica y científica de All of Us. Además, resaltó la importancia del apoyo del NIH en la construcción de una plataforma como All of Us, capaz de impulsar diversos descubrimientos y avances en el área de la salud. Las investigaciones beneficiadas incluyen múltiples temas como factores de riesgo de enfermedades cardíacas, dolor crónico, desafíos interseccionales de salud mental, factores de riesgo genéticos para diferentes cánceres, entre otras. Asimismo, las investigaciones proponen métodos existentes, así como el desarrollo de nuevos modelos y herramientas para el análisis de datos. Algunas de las instituciones beneficiadas son reconocidas instituciones hospitalarias y de investigación como Brigham and Women’s Hospital, Icahn School of Medicine at Mount Sinai, Johns Hopkins University, UF Health, University of California, entre otras. De igual manera, en 2022 a través del Programa Extramuros para Avanzar en la Investigación (EPAR, en inglés) All of Us patrocinó a 25 equipos de investigación para integrar los datos en sus proyectos de investigación. “Desde el lanzamiento del Researcher Workbench hace tres años, hemos agregado continuamente nuevos datos y funciones para ayudar a los investigadores a avanzar en nuestra comprensión de la salud y la enfermedad”, dijo Schully. Actualmente, cerca de 8 mil investigadores están registrados para utilizar el Researcher Workbench de All of Us, una plataforma que ha respaldado las publicaciones de más de 215 investigaciones y artículos científicos revisados por pares. BIBLIOGRAFÍA ALL OF US https://allofus.nih.gov/news-events/announcements/nih-awards-97-million-advance-use-all-us-research-program-dataset

Encuesta de Deloitte revela el optimismo de los consumidores respecto a la IA generativa y su impacto en la salud y a favor de la atención médica asequibles. Una encuesta realizada por Deloitte revela que los consumidores están entusiasmados con el potencial de la Inteligencia Artificial (IA) generativa para revolucionar la atención médica. Los resultados destacan la creencia generalizada en que esta tecnología podría mejorar el acceso a la atención médica y hacerla más asequible, abriendo puertas hacia una nueva era en el cuidado de la salud. El estudio, que contó con la participación de 2,014 adultos en Estados Unidos, mostró que más del 50% de los encuestados considera que la IA generativa puede mejorar el acceso a la atención médica, mientras que un 46% opina que puede reducir los costos de atención. En este sentido, los resultados muestran la y la percepción positiva de los consumidores hacia esta nueva tecnología en el ámbito de la salud. De igual manera, los resultados también mostraron que el interés por la salud impulsó a casi la mitad de los encuestados a utilizar la IA generativa. Por ejemplo, el 84% estaba familiarizado con esta tecnología. En cuanto a la fiabilidad percibida de la IA generativa en el campo médico, el 69% de los usuarios la califica como altamente confiable. Además, un 20% de los consumidores empleó esta herramienta para informarse sobre sus condiciones médicas. Por su parte, el Dr. Asif Dhar, líder de ciencias biológicas y atención médica de Deloitte, enfatizó la importancia de estos hallazgos al explicar que la IA generativa puede reducir costos, mejorar el acceso y potenciar el bienestar. También destacó que las percepciones de los consumidores son fundamentales para definir la adopción y el papel de la industria en el uso de esta tecnología en la atención médica. “La IA generativa ofrece la posibilidad de mejorar la salud, pero su implementación debe priorizar la transparencia y la construcción de un marco confiable para lograr verdaderamente el futuro de la salud”, explicó el Dr. Bill Fera de Deloitte. Sin embargo, aunque los consumidores están abiertos a la utilización de la IA generativa por parte de los médicos para proporcionar información adicional sobre sus afecciones, todavía existen ciertas barreras cuando esta tecnología se emplea en la toma de decisiones críticas en el tratamiento. Por ello la transparencia en el uso de la IA generativa es un aspecto fundamental, ya que el 80% de los consumidores considera importante que los proveedores de atención médica revelen su uso para las necesidades de salud. BIBLIOGRAFÍA PR NEWSWIRE https://www.prnewswire.com/news-releases/deloitte-consumers-believe-generative-ai-could-make-health-care-more-affordable-301989943.html

La IA acelera y perfecciona la evaluación de tumores cerebrales según un estudio de la Universidad de Florida. Investigadores de la UF Health han aplicado inteligencia artificial (IA) para agilizar y perfeccionar la evaluación de un tipo común de tumor cerebral, específicamente los meningiomas. Este avance ofrece un método más preciso y rápido para asignar grados a los tumores, lo que es considerado información crucial para el plan de tratamiento de los pacientes. En el estudio publicado en ACS Publications, se analizaron perfiles metabólicos y de lípidos en tumores de meningiomas para distinguir entre tumores de bajo y alto grado, buscando identificar marcadores que diferencien entre tumores benignos y malignos. Para ello se utilizaron técnicas avanzadas de espectrometría de masas junto con análisis de metabolómica y lipidómica en 85 muestras de biopsias de tumores de meningiomas de diferentes grados. Como resultado, se identificaron tres biomarcadores que pueden diferenciar entre tumores de meningioma de bajo y alto grado. Estos hallazgos, obtenidos mediante métodos avanzados de análisis molecular y aprendizaje automático, podrían abrir la puerta para identificar posibles objetivos terapéuticos y pronósticos asociados con los meningiomas. Es decir, el estudio se enfocó en analizar las características químicas de los meningiomas y aplicar aprendizaje automático. Esta clase de técnicas ayudan a identificar las características más relevantes del tumor que los médicos utilizan para asignar los grados de los meningiomas. Como se mencionó anteriormente, la correcta evaluación de un tumor de este tipo es fundamental, ya que de esto depende el plan de tratamiento: Los tumores de grado I, menos amenazantes y de crecimiento lento, se extirpan y el paciente recibe seguimiento; los tumores de grado III más agresivos generalmente se eliminan y se tratan con radiación; los tumores de grado II presentan un dilema para los médicos. Los autores explican que el uso de IA no estaba inicialmente planificado. La idea original era analizar todos los productos del metabolismo dentro de las células tumorales, lo que facilitaría la distinción entre tumores benignos y malignos.sin embargo el nuevo enfoque logró acelerar y mejorar la precisión del proceso. Un patólogo puede tardar unos 10 minutos y evaluar 20 puntos de datos al diagnosticar un meningioma, mientras que el modelo de aprendizaje automático evaluó casi 17,000 puntos de datos en menos de un segundo. Asimismo, uno de los modelos de aprendizaje automático también clasificó los grados de los tumores con un 87% de precisión inicial, un número que podría mejorar a medida que se analicen más muestras. De esta manera, las técnicas y modelos que involucran IA y análisis pueden ser herramientas valiosas, ya que como explica el estudio, en ocasiones, los tumores se redefinen con base a su composición genética. Además, aunque estas técnicas requerirían la aprobación de agencias reguladoras como la Administración de Alimentos y Medicamentos (FDA, en inglés), para su uso en diagnóstico y tratamiento, los autores destacan que el uso de IA y análisis metabólicos es un avance significativo para comprender mejor los tumores y brindar el tratamiento adecuado a los pacientes. BIBLIOGRAFÍA UF HEALTH https://ufhealth.org/news/2023/uf-health-researchers-use-ai-to-improve-brain-tumor-analysis ACS PUBLICATIONS https://pubs.acs.org/doi/10.1021/jasms.3c00158