El nuevo método de IA predice la respuesta de los medicamentos contra el cáncer con la ayuda de la genómica
Fuente: Mcmurrayjulie / Pixabay
Un nuevo estudio publicado en Inteligencia artificial de la naturaleza muestra un algoritmo de aprendizaje automático de inteligencia artificial (IA) que puede predecir la respuesta a los medicamentos contra el cáncer en función de los datos de expresión genética.
Según McKinsey & Company, se prevé que el mercado global de terapias oncológicas alcance los 250.000 millones de dólares en 2024, con una tasa de crecimiento anual promedio (CAGR) del 12 por ciento. Las ventas de medicamentos contra el cáncer de marca representaron aproximadamente el 20 por ciento de las ventas mundiales de medicamentos de $ 143 mil millones en 2022, según cifras de Evaluate Ltd.
El ADN de una persona puede afectar si la respuesta a los medicamentos es efectiva o no. La cantidad y el tipo de proteínas receptoras de fármacos en la superficie celular están determinadas por el ADN de una persona, lo que puede afectar las respuestas a los fármacos. El ADN de una persona puede afectar la captación, descomposición y eliminación de medicamentos de los tejidos y las células.
La farmacogenética es el estudio dentro de la medicina de precisión que examina cómo las variaciones en uno o más genes pueden conducir a diferentes respuestas a los fármacos para desarrollar terapias farmacológicas dirigidas y más eficaces basadas en la información genética del individuo. La farmacogenómica también puede estudiar las variaciones genéticas en las poblaciones para comprender cómo la raza y la etnia pueden afectar las respuestas a los medicamentos. En farmacogenómica, los medicamentos están diseñados para tratar el problema, no los síntomas. Tanto la farmacogenética como la farmacogenómica tienen como objetivo proporcionar una medicina mejor y más personalizada mediante la adaptación de la terapéutica en función de la genética individual de un paciente.
En el aprendizaje automático de IA, se requieren grandes conjuntos de datos para entrenar el algoritmo. Para la oncología de precisión, existe una falta generalizada de conjuntos de datos de pacientes de acceso público con reacciones a medicamentos. Cuando están disponibles públicamente, estos registros suelen ser pequeños. Para abordar este problema del conjunto de datos, se pueden utilizar conjuntos de datos preclínicos con xenoinjertos relacionados con el paciente (PDX) o líneas de células cancerosas como proxy para los pacientes. Los xenoinjertos derivados de pacientes son secciones de tejido o células tomadas de una especie y trasplantadas a otra. En oncología personalizada, los xenoinjertos se pueden realizar desde muestras de pacientes hasta un ratón para crear un plan de tratamiento individualizado. Las líneas de células cancerosas son sistemas modelo in vitro que se utilizan para estudiar la biología del cáncer.
Sin embargo, también existen desventajas en el uso de conjuntos de datos preclínicos, como la falta de un microambiente para los tumores y el sistema inmunológico, y generar conjuntos de datos masivos de alta calidad es tedioso, lento y costoso. Además, estos no abordan los dominios objetivo de los futuros pacientes que podrían acudir a la clínica, por lo que se desconocen las respuestas a los medicamentos para los futuros pacientes cuando los algoritmos se entrenan en conjuntos de datos preclínicos.
Para enfrentar este desafío, los investigadores de la Universidad Simon Fraser, el Centro de Próstata de Vancouver, la Universidad Técnica de Munich, la Universidad de Hamburgo y la Universidad de Columbia Británica han desarrollado una red neuronal profunda llamada Velódromo.
Velodrome utiliza datos de expresión génica etiquetados de líneas celulares y datos no etiquetados de registros de pacientes para predecir las respuestas a los medicamentos.
«Hasta donde sabemos, Velodrome es el primer método de generalización semi-supervisada fuera de la distribución de líneas celulares etiquetadas y pacientes no etiquetados en varios conjuntos de datos preclínicos y clínicos», escribieron los investigadores.
Según los científicos, su red neuronal profunda logró un rendimiento de vanguardia para múltiples medicamentos en varios conjuntos de datos farmacogenómicos preclínicos y clínicos, lo que permite una oncología de precisión más precisa.
Copyright © 2022 Cami Rosso Todos los derechos reservados.
