IA basada en proteómica predice qué fármacos funcionan mejor contra cáncer de mama triple negativo
Hecho Qué ha ocurrido
Investigadores de la Universidad de Westlake entrenaron un modelo de IA 'célula virtual' con más de 38 millones de mediciones de proteínas de 18 líneas celulares de cáncer de mama, tratadas con 63 fármacos aprobados por la FDA y 59 combinaciones. El modelo predijo con 88% de precisión la respuesta celular a 81 fármacos no incluidos en el entrenamiento, y al analizarse en biopsias de 501 pacientes reales predijo correctamente los resultados clínicos del tratamiento recibido. El estudio se publicó en Nature el 9 de septiembre.
Resumen generado mediante IA a partir de Nature · Machine learning (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Es la primera vez que un modelo de célula virtual se prueba en un escenario clínico real, abriendo camino a terapias personalizadas para un cáncer agresivo y difícil de tratar farmacológicamente.
- Quién se ve afectado
- Oncólogos, laboratorios farmacéuticos, empresas de biotecnología y desarrolladores de herramientas de medicina de precisión.
- Qué puede cambiar
- Podría permitir seleccionar tratamientos personalizados para pacientes con cáncer de mama triple negativo antes de administrar la quimioterapia, reduciendo tratamientos ineficaces.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar si el modelo se valida en ensayos clínicos prospectivos, se extiende a otros tipos de cáncer y si farmacéuticas o startups lo adoptan para descubrimiento de fármacos.
Recomendación Qué debería hacer una empresa
Empresas de biotecnología y oncología deberían evaluar en los próximos 12-24 meses la integración de modelos de célula virtual similares en sus pipelines de desarrollo de fármacos.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Nature · Machine learning (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗IA científicamodelos predictivosproteómica Westlake University cáncer de mama célula virtual medicina de precisión Nature proteómica
Relacionadas
Microsoft y Broad Institute usan IA para predecir respuestas a medicamentos oncológicos por comportamiento celular
Microsoft y la Broad Institute, con apoyo de Dana-Farber Cancer Institute, publican un estudio en Nature Methods sobre Project Ex Vivo, una iniciativa que usa…
Por qué importaEl estudio abre una nueva forma de categorizar y tratar el cáncer mediante el análisis del comportamiento celular en lugar de solo mutaciones…
El ensayo MASAI valida la IA en cáncer de mama: detecta un 29% más de tumores
El ensayo clínico MASAI (Mammography Screening with Artificial Intelligence), publicado en The Lancet, ha validado que la IA en mamografía de cribado reduce un…
Por qué importaEs la primera validación en ensayo clínico de gran escala que demuestra que la IA no solo promete sino que entrega resultados medibles en prevención…
Investigadores demuestran que computación cuántica mejora modelos de IA generativa en descubrimiento de fármacos
Un equipo de la Universidad Técnica de Dinamarca ha demostrado que una computadora cuántica puede mejorar la precisión de modelos de IA generativa para…
Por qué importaLa demostración práctica de una aplicación comercial cercana de la computación cuántica en IA es raramente documentada; esto refuerza que la…
Google Research demuestra que IA mejora la detección de cáncer de mama en el NHS
Google Research publicó dos estudios en Nature Cancer sobre un sistema de IA para mamografía desarrollado en colaboración con el NHS británico. En la…
Por qué importaEl hallazgo es relevante porque aborda la escasez crítica de radiólogos (déficit del 30% actual, proyectado al 40% en 2028) en programas de screening…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.