Todo el contenido de iLive se revisa médicamente o se verifica para asegurar la mayor precisión posible.
Tenemos pautas de abastecimiento estrictas y solo estamos vinculados a sitios de medios acreditados, instituciones de investigación académica y, siempre que sea posible, estudios con revisión médica. Tenga en cuenta que los números entre paréntesis ([1], [2], etc.) son enlaces a estos estudios en los que se puede hacer clic.
Si considera que alguno de nuestros contenidos es incorrecto, está desactualizado o es cuestionable, selecciónelo y presione Ctrl + Intro.
Los científicos han desarrollado inteligencia artificial para clasificar los tumores cerebrales
Último revisado: 02.07.2025
Investigadores de la Universidad Nacional Australiana (ANU) han desarrollado una nueva herramienta de inteligencia artificial para clasificar los tumores cerebrales con mayor rapidez y precisión.
Según el Dr. Dan-Thai Hoang, la precisión en el diagnóstico y clasificación de tumores es fundamental para tratar eficazmente a los pacientes.
"El estándar de oro actual para identificar diferentes tipos de tumores cerebrales es el perfil basado en la metilación del ADN", afirmó el Dr. Hoang.
“La metilación del ADN actúa como un interruptor para controlar la actividad genética y determinar qué genes se activan o desactivan.
“Pero el tiempo necesario para realizar este tipo de pruebas puede ser un inconveniente importante, ya que a menudo requiere varias semanas o más, cuando los pacientes pueden necesitar tomar decisiones rápidas sobre la terapia.
Resumen de conjuntos de datos y flujo de trabajo computacional. Fuente: Nature Medicine (2024). DOI: 10.1038/s41591-024-02995-8
“Además, estas pruebas no están disponibles en casi todos los hospitales del mundo”.
Para abordar estos problemas, los investigadores de la ANU, en colaboración con expertos del Instituto Nacional del Cáncer de EE. UU., han desarrollado DEPLOY, una forma de predecir la metilación del ADN y luego clasificar los tumores cerebrales en 10 subtipos principales.
DEPLOY utiliza imágenes microscópicas del tejido de un paciente, llamadas imágenes histopatológicas.
El modelo fue entrenado y probado en grandes conjuntos de datos de aproximadamente 4.000 pacientes de EE. UU. y Europa, publicados en la revista Nature Medicine.
“Sorprendentemente, DEPLOY logró una precisión sin precedentes del 95%”, afirmó el Dr. Hoang.
“Además, al analizar un subconjunto de 309 muestras particularmente difíciles de clasificar, DEPLOY pudo proporcionar un diagnóstico que fue clínicamente más significativo que el proporcionado originalmente por los patólogos.
Esto resalta el papel potencial de DEPLOY en el futuro como herramienta adicional para complementar el diagnóstico inicial del patólogo o incluso impulsar una reevaluación en caso de discrepancias.
Los investigadores creen que DEPLOY podría eventualmente usarse para clasificar otros tipos de cáncer.
Los resultados del estudio fueron publicados en la revista Nature Medicine.