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: hecho documentado.
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
Fuente original: Nature · Machine learning (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗IA científicamodelos predictivosproteómica Westlake University cáncer de mamacélula virtualmedicina de precisiónNatureproteómica
Tu opinión
0 comentarios
Relacionadas
El MIT despliega sensores acústicos y aprendizaje automático para monitorizar el hielo del Ártico
Investigadores del MIT Lincoln Laboratory, dentro de la Operation Ice Camp de la Marina de EEUU, desarrollan una red de sensores acústicos y geófonos para…
Por qué importaCombina sensórica de bajo coste con IA para vigilar entornos extremos sin necesidad de presencia humana constante, un modelo aplicable a otros…
Google lanza AlphaGenome Atlas, mapa predictivo de mutaciones en todo el genoma humano
Google anunció AlphaGenome Atlas, un recurso que predice las consecuencias funcionales de cada posible variante de una sola base en el genoma humano. El genoma…
Por qué importaOfrece a la comunidad científica una base de datos unificada para priorizar qué variantes genéticas podrían tener relevancia funcional, algo hasta…
Matemático acusa a OpenAI de falta de transparencia sobre resolución de un Problema del Milenio
El matemático Tristan Buckmaster denunció presiones y falta de transparencia por parte de OpenAI, después de que la compañía anunciara que sus modelos habían…
Por qué importaEl caso plantea dudas sobre atribución de méritos científicos, uso de datos de investigadores y comunicación corporativa de resultados de IA en…
DeepMind lanza AlphaGenome Atlas con predicciones de 9.000 millones de variantes del genoma humano
Google DeepMind ha publicado el AlphaGenome Atlas, un conjunto de datos de un petabyte que predice el efecto molecular de cada una de las aproximadamente nueve…
Por qué importaEsta base de datos podría acelerar drásticamente el diagnóstico de enfermedades raras y la investigación genética al reducir el tiempo necesario para…