Los investigadores de cáncer y tecnología del noroeste del Pacífico están lanzando 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 pondrá a disposición de muchos más pacientes información de vanguardia sobre el cáncer.
El modelo GigaTIME utiliza inteligencia artificial para generar virtualmente datos detallados del sistema inmunológico a partir de diapositivas de patología estándar, análisis que normalmente requeriría días de trabajo de laboratorio y miles de dólares por muestra.
El avance podría acelerar el cambio hacia la medicina de precisión, donde los tratamientos se adaptan a la biología del cáncer específica de cada paciente, afirmó Hoifung Poondirector general del programa Real-World Evidence de Microsoft Research.
Las diapositivas de patología tradicionales muestran células inmunes y tumorales, pero ofrecen 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) examina de cerca el microambiente del tumor y agrega información sobre si las células inmunes están funcionando en función de las proteínas presentes.
Pero el análisis del FOMIN “sólo para una 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 ese cuello de botella generando la información virtualmente simplemente analizando diapositivas de patología estándar.
“GigaTIME trata de desbloquear conocimientos que antes estaban fuera de nuestro alcance”, dijo Dr. Carlos Bifulcodirector médico de Providence Genomics y director médico del Providence Cancer Institute.
El proyecto reúne a investigadores de microsoft; Providencia instalaciones en Renton, Washington y Portland; y la Escuela de Ingeniería y Ciencias de la Computación Paul G. Allen de la Universidad de Washington. Están publicando un estudio revisado por pares hoy en la revista. Celúla y lanzar la herramienta en línea de forma gratuita en abrazando la cara, GitHub y Fundición de Microsoft.
El año pasado las tres instituciones lanzaron GigaPath, un modelo para diagnosticar el cáncer.
Las iniciativas son parte de los crecientes esfuerzos del área de Seattle para integrar conjuntos de datos de salud complejos utilizando IA para facilitar los avances en 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 creado herramientas para diseñar experimentos y predecir sus resultados utilizando datos disponibles públicamente. Y el Fred Hutch Cancer Center ayudó a producir un modelo de intercambio de datos que protege la privacidad a través de Cancer AI Alliance.
La escala del proyecto GigaTIME es gigante:
- Los investigadores entrenaron el modelo en un conjunto de datos de Providence de 40 millones de células, emparejando diapositivas de patología con datos de MIF que examinaban 21 proteínas diferentes.
- Aplicaron GigaTIME a muestras de 14.256 pacientes con cáncer en 51 hospitales y más de 1.000 clínicas en el sistema de Providence.
- El trabajo produjo 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 que incluyen combinar datos obtenidos de muestras de células y biopsias más informes de radiología por tomografía computarizada, resonancias magnéticas y otros diagnósticos para crear una imagen más holística de un paciente. Estos modelos avanzados podrían ofrecer predicciones sobre cómo una enfermedad podría progresar o responder 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 estudios.
El objetivo es hacer que la atención avanzada 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 IA y los registros médicos digitales como “dos fuerzas realmente poderosas”.
Los autores del artículo “La IA multimodal genera población virtual para el modelado de microambientes tumorales” son Jeya Maria Jose Valanarasu, Hanwen Xu, Naoto Usuyama, Chanwoo Kim, Cliff Wong, Peniel Argaw, Racheli Ben Shimol, Angela Crabtree, Kevin Matlock, Alexandra Q. Bartlett, Jaspreet Bagga, Yu Gu, Sheng Zhang, Tristan Naumann, Bernard A. Fox, Bill Wright, Ari Robicsek, Brian Piening, Carlo Bifulco, Sheng Wang y Hoifung Poon.
