✨︎ Resumen (TL;DR):
- Científicos desarrollaron una IA que identifica la efectividad de los tratamientos de inmunoterapia.
- El modelo superó los métodos actuales con una mejora del 10% en precisión general.
- El sistema ayuda a evitar efectos secundarios graves en personas que no responderán al fármaco.
Investigadores de la Escuela de Medicina de Harvard diseñaron una herramienta de inteligencia artificial capaz de predecir qué pacientes con cáncer responderán positivamente a los inhibidores de puntos de control inmunitario. Este avance busca optimizar el uso de terapias costosas que actualmente solo funcionan en una fracción de los pacientes.
El estudio, publicado el 3 de julio en la revista Nature Medicine, presenta una solución a uno de los mayores desafíos de la oncología moderna.
Un mapa genético contra el cáncer
Aunque estos tratamientos cambiaron la oncología desde su primera aprobación en 2011, la realidad es que apenas entre el 10% y el 40% de los pacientes reaccionan de manera favorable. El resto sufre efectos secundarios severos mientras la enfermedad avanza sin control.
COMPASS es un modelo de inteligencia artificial que analiza la actividad de casi 16,000 genes con roles conocidos en el sistema inmune, las interacciones del microambiente tumoral y las vías de señalización celular.
El sistema fue entrenado con datos de 10,184 tumores de 33 tipos de cáncer diferentes, procedentes del Atlas del Genoma del Cáncer. Posteriormente, se ajustó usando resultados de 16 ensayos clínicos que probaron distintas terapias en siete tipos de cáncer.
“Entender quién responderá a estos tratamientos no es una brecha de conocimiento menor”, señaló Marinka Zitnik, profesora asociada de informática biomédica en Harvard y coautora del estudio. “Es uno de los problemas centrales no resueltos en la oncología”.
Sin el misterio de la caja negra
En las pruebas clínicas, la herramienta superó a las mejores técnicas actuales. Logró un incremento del 10% en promedio de efectividad, un aumento del 8.5% en precisión y una mejora del 12.3% en el coeficiente de correlación de Matthews.
A diferencia de otros sistemas de machine learning que funcionan como una caja negra indescifrable, este modelo utiliza una arquitectura de transformador que ofrece resultados legibles para los médicos. El software desglosa el comportamiento del tumor en 44 conceptos inmunológicos biológicamente fundamentados.
Esta transparencia permitió explicar casos atípicos, como pacientes con tumores inflamados que no respondían al tratamiento o personas con tumores poco activos que sí se beneficiaron.
En el futuro, el equipo planea integrar registros médicos electrónicos y datos de secuenciación de células individuales para refinar aún más los diagnósticos de esta computadora médica.
