El modelo de IA 'Ceograph' logra precisión en la predicción de resultados de cáncer a partir de muestras de tejido
En Resumen
Ceograph, un modelo de IA médica recientemente desarrollado, puede predecir los resultados de los pacientes con cáncer basándose en muestras de tejido.
Investigadores del UT Southwestern Medical Center (UTSW) desarrollaron un inteligencia artificial (IA), denominado Ceograph, que demuestra la capacidad de predecir resultados para pacientes con cáncer basándose en muestras de tejido.
El desarrollo representa una oportunidad para la utilización de la IA para pronosticar la trayectoria probable del enfermedades y adaptar estrategias de tratamiento personalizadas. Como se describe en la revista Nature Communications, el enfoque examina la configuración espacial de las células dentro de muestras de tejido.
“La organización espacial celular es como un complejo rompecabezas en el que cada célula sirve como una pieza única, que encaja meticulosamente para formar un tejido cohesivo o una estructura de órgano. Esta investigación muestra la notable capacidad de la IA para captar estas intrincadas relaciones espaciales entre las células dentro de los tejidos, extrayendo información sutil que antes estaba más allá de la comprensión humana y al mismo tiempo predecir los resultados de los pacientes”, dijo el líder del estudio Guanghua Xiao, profesor del Centro Médico Southwestern de la Universidad de Texas en el A NOSOTROS.
Según los investigadores, en el ámbito de la patología, la recolección rutinaria de muestras de tejido de los pacientes ha sido durante mucho tiempo un elemento básico para el diagnóstico. Estas muestras, normalmente colocadas en portaobjetos para que los patólogos las examinen, sirven como componentes cruciales en el proceso de diagnóstico.
Sin embargo, como destaca el Dr. Xiao, este enfoque convencional no está exento de inconvenientes: requiere mucho tiempo, es propenso a variaciones en la interpretación entre los patólogos y puede pasar por alto matices sutiles en las imágenes patológicas que podrían contener pistas fundamentales sobre la salud de un paciente.
Para abordar estos desafíos, el Dr. Xiao y su equipo desarrollaron el modelo de IA Ceograph. A diferencia de sus predecesores, el Modelo de IA tiene como objetivo no sólo identificar tipos de células o evaluar la proximidad de las células, sino también replicar los aspectos intrincados del enfoque de un patólogo para interpretar imágenes de tejidos.
El Dr. Xiao enfatiza que, si bien los modelos de IA anteriores han sobresalido en ciertas tareas, no lograron capturar la complejidad inherente al papel de un patólogo. Esta complejidad implica discernir patrones en la organización espacial celular y eliminar "ruidos" extraños en las imágenes, factores cruciales para interpretaciones precisas.
La superioridad de Ceograph sobre los métodos tradicionales
El Dr. Xiao añadió que el Ceograph se distingue por imitar los procesos cognitivos de los patólogos al leer diapositivas de tejido. Comienza detectando células en imágenes y determinando sus posiciones. A partir de ahí, el modelo de IA va más allá de la mera identificación, profundizando en el intrincado ámbito de los tipos de células, la morfología y la distribución espacial.
El nuevo modelo de IA puede crear un mapa detallado que ayuda a analizar cómo se organizan, distribuyen e interactúan las células entre sí, lo que marca un paso adelante en el uso de la IA para imitar las habilidades matizadas de los patólogos humanos.
Los investigadores pusieron a prueba la herramienta en tres escenarios clínicos del mundo real utilizando diapositivas de patología. En el primer escenario, se empleó Ceograph para diferenciar entre dos subtipos de cáncer de pulmón: adenocarcinoma y carcinoma de células escamosas.
La herramienta también se utilizó para pronosticar las posibilidades de que afecciones orales potencialmente dañinas (lesiones precancerosas en la boca) se conviertan en cáncer en toda regla. Por último, el equipo de investigación identificó qué pacientes con cáncer de pulmón tenían más probabilidades de responder positivamente a una clase específica de medicamentos conocidos como inhibidores del receptor del factor de crecimiento epidérmico.
Según los investigadores, en cada escenario, el modelo Ceograph superó a los métodos tradicionales por un buen margen en la predicción de los resultados de los pacientes.
Es importante destacar que las características de la organización espacial celular identificadas por Ceograph son interpretables y conducen a conocimientos biológicos sobre cómo el cambio en la interacción espacial entre células individuales podría producir diversas consecuencias funcionales, dijo Xiao.
Destacó además el creciente papel de IA en la atención médica, subrayando su potencial para mejorar la eficiencia y precisión de los análisis de patología. Este método, añadió, es prometedor para racionalizar las medidas preventivas específicas y optimizar la selección de tratamientos para pacientes individuales.
Observación
En línea con la Directrices del Proyecto Confianza, tenga en cuenta que la información proporcionada en esta página no pretende ser ni debe interpretarse como asesoramiento legal, fiscal, de inversión, financiero o de cualquier otro tipo. Es importante invertir sólo lo que pueda permitirse perder y buscar asesoramiento financiero independiente si tiene alguna duda. Para mayor información sugerimos consultar los términos y condiciones así como las páginas de ayuda y soporte proporcionadas por el emisor o anunciante. MetaversePost se compromete a brindar informes precisos e imparciales, pero las condiciones del mercado están sujetas a cambios sin previo aviso.
Sobre el Autor
Kumar es un periodista tecnológico experimentado con especialización en las intersecciones dinámicas de AI/ML, tecnología de marketing y campos emergentes como cripto, blockchain y NFTs. Con más de 3 años de experiencia en la industria, Kumar ha establecido una trayectoria comprobada en la elaboración de narrativas convincentes, la realización de entrevistas interesantes y la entrega de conocimientos integrales. La experiencia de Kumar radica en la producción de contenido de alto impacto, incluidos artículos, informes y publicaciones de investigación para plataformas industriales destacadas. Con un conjunto de habilidades único que combina conocimiento técnico y narración, Kumar se destaca en comunicar conceptos tecnológicos complejos a audiencias diversas de una manera clara y atractiva.
Más artículos
Kumar es un periodista tecnológico experimentado con especialización en las intersecciones dinámicas de AI/ML, tecnología de marketing y campos emergentes como cripto, blockchain y NFTs. Con más de 3 años de experiencia en la industria, Kumar ha establecido una trayectoria comprobada en la elaboración de narrativas convincentes, la realización de entrevistas interesantes y la entrega de conocimientos integrales. La experiencia de Kumar radica en la producción de contenido de alto impacto, incluidos artículos, informes y publicaciones de investigación para plataformas industriales destacadas. Con un conjunto de habilidades único que combina conocimiento técnico y narración, Kumar se destaca en comunicar conceptos tecnológicos complejos a audiencias diversas de una manera clara y atractiva.
