Investigadores de tecnología y cáncer en el noroeste del Pacífico están presentando públicamente una herramienta de inteligencia artificial que puede realizar análisis de tumores sofisticados en una fracción del tiempo y costo de los métodos existentes, lo que potencialmente brindará conocimientos de vanguardia sobre el cáncer a muchos más pacientes.
El modelo GigaTIME utiliza inteligencia artificial para generar virtualmente datos detallados del sistema inmunológico a partir de diapositivas de patología estándar, un análisis que normalmente requeriría días de trabajo de laboratorio y miles de dólares por muestra.
El avance podría acelerar la transición a la medicina de precisión, en la que los tratamientos se adaptan a la biología del cáncer específica de cada paciente, dijo Hoifung Poon, director general del programa Real-World Evidence de Microsoft Research.
Las diapositivas de patología tradicionales muestran células tumorales y inmunes, pero brindan información limitada sobre si el sistema inmunológico de un paciente está luchando activamente contra el cáncer. Una técnica más sofisticada llamada análisis de inmunofluorescencia múltiple (mIF) analiza de cerca el microambiente del tumor y proporciona información sobre si las células inmunes están funcionando en función de las proteínas presentes.
Pero el análisis del FOMIN “para una sola muestra fácilmente podría llevar días y costar miles de dólares”, dijo Poon, lo que limita severamente su uso en la atención de rutina.
GigaTIME evita este cuello de botella generando la información virtualmente mediante un análisis simple de portaobjetos de patología estándar.
“GigaTIME trata de desbloquear conocimientos que antes eran inalcanzables”, dijo el Dr. Carlo Bifulco, director médico de Providence Genomics y director médico del Providence Cancer Institute.
El proyecto reúne a investigadores de Microsoft; instalaciones de Providence en Renton, Washington y Portland; y la Escuela Paul G. Allen de Ciencias de la Computación e Ingeniería de la Universidad de Washington. Están publicando hoy un estudio revisado por pares en la revista. celúla y el lanzamiento gratuito en línea de la herramienta en Hugging Face y GitHub.
El trabajo refleja los crecientes esfuerzos en el área de Seattle para integrar conjuntos de datos de salud complejos utilizando IA para permitir avances en salud y medicina. El Instituto Allen lanzó el mes pasado la Brain Knowledge Platform para la investigación en neurociencia, mientras que la startup de biotecnología Synthesize Bio ha desarrollado herramientas para diseñar experimentos y predecir sus resultados utilizando datos disponibles públicamente. Y el Fred Hutch Cancer Center ayudó a desarrollar un modelo de protección de la privacidad e intercambio de datos a través de Cancer AI Alliance.
El alcance del proyecto GigaTIME es enorme:
- Los investigadores entrenaron el modelo en un conjunto de datos de Providence de 40 millones de células y emparejaron diapositivas de patología con datos de MIF que examinaron 21 proteínas diferentes.
- Aplicaron GigaTIME a muestras de 14.256 pacientes con cáncer en 51 hospitales y más de 1.000 clínicas del sistema de Providence.
- El trabajo generó una población virtual de aproximadamente 300.000 imágenes mIF que cubren 24 tipos de cáncer y 306 subtipos de cáncer.
Poon tiene ambiciones aún mayores. Esto incluye reunir datos de muestras de células y biopsias, así como informes de radiología por tomografía computarizada, resonancias magnéticas y otros procedimientos de diagnóstico para crear una imagen más holística de un paciente. Estos modelos avanzados podrían proporcionar predicciones sobre cómo progresa una enfermedad o cómo responde al tratamiento.
Las nuevas herramientas podrían algún día ayudar a frenar los enormes costos y el tiempo asociados con los ensayos clínicos al proporcionar mejores conocimientos para seleccionar fármacos candidatos y diseñar ensayos.
El objetivo es hacer que el tratamiento avanzado del cáncer sea más eficaz y más accesible.
“Personalmente soy parcial, pero creo que no puede haber un momento más emocionante que el actual”, dijo Poon, señalando la convergencia de las capacidades de la IA y los registros médicos digitales como “dos fuerzas realmente poderosas”.
Los autores del artículo “La IA multimodal genera población virtual para modelar microambientes tumorales” son Jeya Maria Jose Valanarasu, Hanwen Piening, Carlo Bifulco, Sheng Wang y Hoifung Poon.
About The Author
