Fuente: Belova59/Pixabay
Un nuevo estudio publicado en Nature Biomedical Engineering muestra cómo el aprendizaje automático de inteligencia artificial (IA) combinado con la nanotecnología puede detectar señales de cáncer de ovario en la sangre con un alto grado de precisión.
El cáncer es una de las principales causas de muerte a nivel mundial que causó cerca de 10 millones de muertes de pacientes en 2020, según la Organización Mundial de la Salud (OMS). Entre las mujeres diagnosticadas con cánceres ginecológicos, el cáncer de ovario es la principal causa de muerte, según la Biblioteca Nacional de Medicina.
La detección e intervención tempranas mejoran los resultados y aumentan las posibilidades de supervivencia de las personas con cáncer. El cáncer de ovario es difícil de detectar temprano porque causa pocos síntomas y la mayoría de los casos se diagnostican en una etapa posterior, lo que conduce a resultados deficientes para los pacientes. Según la Sociedad Estadounidense del Cáncer (ACS), el 80 % de los cánceres de ovario no se detectan en la etapa inicial, cuando el tumor suele ser pequeño y no se ha propagado a los ganglios linfáticos ni a los tejidos cercanos.
El estudio fue realizado por investigadores afiliados al Memorial Sloan Kettering Cancer Center, Weill Cornell Medicine, Cornell University, University of Maryland, National Institute of Standards and Technology, Lehigh University, Hunter College High School y Albert Einstein College of Medicine.
“Los biomarcadores séricos a menudo no son lo suficientemente sensibles o específicos para facilitar la detección del cáncer o las pruebas de diagnóstico”, escribieron los autores del estudio. “En el cáncer de ovario, los pocos biomarcadores séricos establecidos son muy específicos, pero insuficientemente sensibles para detectar la enfermedad en etapa temprana y para afectar las tasas de mortalidad de los pacientes con este cáncer”.
Para abordar esta falta de biomarcadores para el cáncer de ovario, los científicos desarrollaron un nanosensor habilitado para IA que utiliza nanotubos de carbono. Usando más de 260 muestras de suero sanguíneo, los investigadores entrenaron y validaron varios clasificadores de aprendizaje automático para detectar el cáncer de ovario.
Los nanotubos de carbono, también llamados buckytubes, son tubos huecos livianos que consisten en carbono de diámetro a nanoescala. Estos nanotubos químicamente neutros tienen hasta tres nanómetros de diámetro y la longitud suele ser de unos pocos micrómetros. Estos nanotubos de carbono resistentes a la corrosión, que consisten en un grafeno plegado bidimensional, tienen una mayor capacidad térmica y son más resistentes que el acero.
Los científicos desarrollaron modelos basados en redes neuronales artificiales (ANN), Random Forest, Support Vector machine para clasificación binaria, árboles de decisión y regresión logística. Se utilizó optimización bayesiana, así como código personalizado de Python y MATLAB. Según los investigadores, su solución tenía una sensibilidad del 87 % y una especificidad del 98 %, y podía adaptarse para detectar otros tipos de cáncer.
Esta prueba de concepto muestra que el aprendizaje automático de IA aumenta la precisión de la detección del cáncer de ovario en comparación con los métodos actuales basados en biomarcadores. Mediante la combinación de la innovación del aprendizaje automático de inteligencia artificial y la nanotecnología, los científicos han encontrado una forma novedosa de detectar el cáncer de ovario que supera a los biomarcadores existentes.
Copyright © 2022 Cami Rosso. Reservados todos los derechos.
Comentarios recientes