Leer escáneres con un algoritmo permite predecir el éxito de la inmunoterapia
Esperan que la inteligencia artificial pueda explotar imágenes médicas para obtener informaciones biológicas y clínicas.
Un algoritmo creado por un grupo de científicos franceses ha conseguido, a partir de la lectura de escáneres de enfermos de cáncer, predecir el éxito de los tratamientos de inmunoterapia.
Este es el resultado presentado hoy en un comunicado por los organismos de investigación implicados, encabezados por el campus Gustave Roussy especializado en el cáncer, que destacan la novedad que supone que la inteligencia artificial pueda explotar imágenes médicas para obtener informaciones biológicas y clínicas.
El algoritmo desarrollado analiza los escáneres mediante lo que los médicos han llamado una firma radiómica que define el nivel de infiltración por linfocitos de un tumor. A partir de ahí se puede establecer un resultado, con carácter predictivo, de la eficacia en la aplicación de un tratamiento por inmunoterapia.
Tratamientos de inmunoterapia
Es una cuestión importante porque hasta ahora ningún marcador permite identificar en qué pacientes van a surtir efecto esos tratamientos, que en términos generales dan éxito en sólo un 15 a un 30 % de los casos.
Sabiendo que cuantos más linfocitos hay, más probable es que la inmunoterapia funcione, los investigadores han trabajado para determinar ese contexto favorable sobre la base de las imágenes del escáner.
Eso pasaba por enseñar a la inteligencia artificial a explotar las informaciones pertinentes de los escáneres de medio millar de pacientes adultos participantes en el estudio Moscato, con un cáncer refractario.
Lea también:La reacción de la Casa Blanca a la muerte de McCain sigue dando que hablar
En el futuro, eso podría utilizarse para ayudar a decidir cuál es el tratamiento más adecuado una vez que se haya establecido la naturaleza del tumor.
Antes de eso, en un próximo estudio clínico se evaluará la firma radiómica de forma retrospectiva y prospectiva, se aumentará el número de pacientes y se segmentarán por tipos de cáncer para afinar en el diagnóstico.