Aprovechando la fuerza de la IA y las tecnologías de aprendizaje automático, los investigadores de Wheel Cornell Medicine desarrollaron un modelo más efectivo para predecir que los pacientes con cáncer de vejiga desagradable responderán a la quimioterapia. El modelo utiliza los datos de imágenes de tumor de diapositivas completa y analiza la expresión génica de una manera que mejora los modelos anteriores utilizando el mismo tipo de datos.
Este estudio apareció el 22 de marzo Medicina digital NPJIdentifique los genes y tumores clave que pueden determinar el éxito del tratamiento. La capacidad de evaluar con precisión cómo una persona reaccionará a la terapia de atención estándar para este cáncer mortal puede ayudar a los médicos a ayudar a un tratamiento personal, y potencialmente pueden salvar a las personas que responden mejor que eliminar la vejiga.
“Este trabajo representa el espíritu de medicina de precisión”, el Dr. Fir Wang, profesor de ciencias de la salud de la población en Wheel Cornell Medicine, y el fundador del Instituto de Salud Digital, que guía el estudio.
Gallet Family-Jahan Pa Leonard MD Research Scholar y Wilk Cornel Medicine, profesor asociado de biología celular y desarrollo, y el Centro Médico Betrun/Wheel de Nueva York-Press, una biología de células y desarrollo en la hematología y la oncología médica. “
El Dr. Zillong Bai, asociado de investigación en las ciencias de la salud de la población, y Wheel Cornell Medicine, asociado post documental Dr. Mohammad Usman en medicina, dirigió el trabajo con apoyo mutuo.
Mejores modelos, mejores predicciones
Para crear un mejor modelo de predicción, ambos investigadores principales trabajaron. Aunque el laboratorio del Dr. Wang se centra en la minería y el análisis moderno de aprendizaje automático, el Dr. Faltas es un médico especializado en biología del cáncer de vejiga.
Recurrió a los datos de la Red de Investigación del Cáncer SUG que diseñan y realizan ensayos clínicos de céntrico múltiple para el cáncer de adultos. Específicamente, los investigadores conectaron datos de fotografías de muestras de tumores creadas con perfiles de exposición a genes, proporcionando una instantánea de genes que están “encendidos” o “apagados”.
“Dado que las muestras de expresión no fueron suficientes para predecir las reacciones de los pacientes en estudios anteriores, decidimos extraer más información para nuestro modelo”, que también es un cáncer de Sandra y Edward en el Instituto de Medicina Prabicen de Inglaterra y Cáncer de Sandra y Edward en Wheel Cornell Medicine.
Para analizar las imágenes, los investigadores utilizaron métodos especiales de IA llamados redes neuronales Graph, que capturan cómo las células cancerosas, las células inmunes y los fibroblastos se organizan e interactúan dentro del tumor. También agregó un análisis de imagen automático para identificar estos diferentes tipos de células celulares en el sitio del tumor.
Para entrenar y examinar su modelo de aprendizaje profundo impulsado por IA conectando las entradas basadas en la imagen a los genes, ha habido mejores predicciones de reacciones clínicas que aquellos modelos que solo usan expresión génica o imágenes.
El Dr. Wang dijo: “En una escala de 0 a 1, donde 1 es perfecto y 0 significa que nada es correcto, nuestro modelo multimodal está cerca de 0.8, mientras que el modelo neutral que depende de solo una fuente de datos puede obtener aproximadamente 0.6 0.6”. “Ya es interesante, pero planeamos desarrollar el modelo para una mejora adicional”.
Buscar bio -monedadores
Dado que los investigadores buscan biocampistas como genes que predicen los resultados clínicos, están encontrando indicadores que son significativos. El Dr. Faltas dijo: “Pude ver algunos genes sobre los que sé que son biológicamente relevantes, no solo genes aleatorios”. “Fue asegurado y era una señal de que estábamos en algo importante”.
Los investigadores tienen la intención de alimentar más tipos de datos en el modelo, como los análisis de ADN tumoral que se pueden elevar en la sangre o la orina, o identificar más análisis local que está en la vejiga. “Este es uno de los principales descubrimientos de nuestro estudio, que es compatible para mejorar el pronóstico”, dijo el Dr. Faltas.
El modelo también sugirió algunos supuestos nuevos que el Dr. Faltas y el Dr. Wang planean examinar más a fondo. Por ejemplo, la proporción de células tumorales afecta a las células tisulares normales, como los fibenestos, las predicciones de la quimioterapia. “Quizás la fibro puede proteger las células tumorales de los fármacos de quimioterapia o apoyar el desarrollo de células cancerosas”, agregó. Quiero encontrar más en esta biología. “
Mientras tanto, los Dres. Wang y Faltas trabajarán para verificar sus resultados con otros compañeros de ensayos clínicos, y están abiertos a mejorar su cooperación para determinar si su modelo puede predecir el tratamiento para la población más amplia del paciente.
El Dr. Faltas dijo: “El sueño es que los pacientes irán a mi oficina, y puedo integrar todos sus datos en el marco de IA y darles un puntaje que predice cómo responderán a una terapia particular”. “Va a suceder. Pero los médicos como yo tienen que aprender a interpretar estas predicciones de IA y saber que puedo confiar en ellos, y pueden convencer a sus pacientes de que pueden confiar”.
