Un nuevo modelo de aprendizaje automático podría acelerar la detección, el diagnóstico y el tratamiento tempranos, afirman investigadores de Cambridge.
Según un nuevo estudio, un nuevo modelo de inteligencia artificial (IA) pudo detectar 13 tipos diferentes de cáncer con una precisión del 98,2% utilizando únicamente datos de ADN de muestras de tejido. El modelo de IA, denominado EMylNET, fue desarrollado por investigadores de la Universidad de Cambridge en el Reino Unido y podría acelerar la detección, el diagnóstico y el tratamiento tempranos del cáncer.
Los hallazgos, publicados la semana pasada en Biology Methods and Protocols, se centraron en la metilación del ADN, un proceso químico que ocurre temprano cuando las células comienzan a crecer, incluidas las células cancerosas. Los investigadores entrenaron el modelo de aprendizaje automático para detectar estructuras y vías de desarrollo temprano del cáncer.
“El cáncer, un conjunto de más de doscientas enfermedades diferentes, sigue siendo una de las principales causas de morbilidad y mortalidad en todo el mundo”, señala el estudio. “El cáncer metastásico, que suele detectarse en las etapas avanzadas de la enfermedad, representa el 90% de las muertes asociadas al cáncer.
“Por lo tanto, la detección temprana del cáncer, combinada con las terapias actuales, tendría un impacto significativo en la supervivencia y el tratamiento de varios tipos de cáncer”, continuó.
Los investigadores entrenaron a EMethylNET con datos de más de 6000 muestras de tejido del Atlas del Genoma del Cáncer, que representan 13 tipos de cáncer, incluidos el cáncer de mama, el de pulmón y el colorrectal. Luego lo probaron con más de 900 muestras de conjuntos de datos independientes.
El hallazgo principal fue una precisión de más del 98% en la clasificación de 13 tipos de cáncer y muestras no cancerosas. El estudio también destacó el hecho de que el método funcionó bien al cruzar diversos conjuntos de datos de diferentes países. Los investigadores también pudieron identificar 3.388 sitios de metilación vinculados a genes y vías relacionados con el cáncer.
Según el estudio, el modelo de IA combina dos enfoques de IA: XGBoost, que selecciona características relevantes, y una red neuronal profunda para la clasificación. Esto le permite no sólo detectar con precisión el cáncer, sino también proporcionar información sobre la regulación del cuerpo de factores no genéticos que transforman las células normales en células cancerosas.
“Estas modificaciones epigenéticas son algunos de los primeros eventos neoplásicos asociados con la carcinogénesis”, señaló el estudio, lo que refuerza el potencial de este enfoque en la detección temprana del cáncer.
Si bien esta investigación inicial es prometedora, los autores advierten que la tecnología requiere más estudios y pruebas antes de su uso clínico. El equipo de investigación dijo que ahora está trabajando para adaptar el modelo a muestras de tejido líquido, lo que podría permitir la detección temprana no invasiva del cáncer.
“Dependiendo de la disponibilidad de datos de entrenamiento, este método puede ampliarse para detectar cientos de tipos de cáncer”, afirma el informe.
A medida que la IA continúa avanzando en la atención médica, EMylNET representa un gran paso hacia el aprovechamiento del aprendizaje automático para un diagnóstico más temprano y preciso del cáncer. Estas innovaciones podrían tener implicaciones de gran alcance para la salud pública.
Cada año se diagnostican más de 19 millones de nuevos casos de cáncer y se producen 10 millones de muertes por cáncer, según las últimas estimaciones de la Agencia Internacional para la Investigación del Cáncer.
