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.
