{"id":3664,"date":"2022-11-02T12:43:25","date_gmt":"2022-11-02T12:43:25","guid":{"rendered":"https:\/\/blogs.sld.cu\/inorbib\/?p=3664"},"modified":"2022-11-02T12:43:25","modified_gmt":"2022-11-02T12:43:25","slug":"el-enfoque-de-inteligencia-artificial-puede-ayudar-a-identificar-a-los-sobrevivientes-de-melanoma-que-enfrentan-un-alto-riesgo-de-recurrencia-del-cancer","status":"publish","type":"post","link":"https:\/\/blogs.sld.cu\/inorbib\/2022\/11\/02\/el-enfoque-de-inteligencia-artificial-puede-ayudar-a-identificar-a-los-sobrevivientes-de-melanoma-que-enfrentan-un-alto-riesgo-de-recurrencia-del-cancer\/","title":{"rendered":"El enfoque de inteligencia artificial puede ayudar a identificar a los sobrevivientes de melanoma que enfrentan un alto riesgo de recurrencia del c\u00e1ncer."},"content":{"rendered":"<p><strong>El enfoque de inteligencia artificial puede ayudar a identificar a los sobrevivientes de melanoma que enfrentan un alto riesgo de recurrencia del c\u00e1ncer.<\/strong><\/p>\n<p><strong>\u00a0<\/strong>La mayor\u00eda de las muertes por melanoma, la forma m\u00e1s letal de c\u00e1ncer de piel, ocurren en pacientes que inicialmente fueron diagnosticados con melanoma en etapa temprana y luego experimentaron una recurrencia que generalmente no se detecta hasta que se disemin\u00f3 o hizo met\u00e1stasis.<\/p>\n<p>Un equipo dirigido por investigadores del Hospital General de Massachusetts (MGH) desarroll\u00f3 recientemente un m\u00e9todo basado en inteligencia artificial para predecir qu\u00e9 pacientes tienen m\u00e1s probabilidades de experimentar una recurrencia y, por lo tanto, se espera que se beneficien de un tratamiento agresivo. El m\u00e9todo fue validado en un estudio publicado en npj Precision Oncology.<\/p>\n<p>La mayor\u00eda de los pacientes con melanoma en etapa temprana son tratados con cirug\u00eda para extirpar las c\u00e9lulas cancerosas, pero los pacientes con c\u00e1ncer m\u00e1s avanzado a menudo reciben inhibidores de puntos de control inmunitarios, que fortalecen de manera efectiva la respuesta inmunitaria contra las c\u00e9lulas tumorales, pero tambi\u00e9n tienen efectos secundarios significativos.<\/p>\n<p>&#8220;Existe una necesidad urgente de desarrollar herramientas predictivas para ayudar en la selecci\u00f3n de pacientes de alto riesgo para quienes los beneficios de los inhibidores del punto de control inmunitario justificar\u00edan la alta tasa de eventos adversos inmunol\u00f3gicos m\u00f3rbidos y potencialmente fatales observados con esta clase terap\u00e9utica&#8221;, dice senior. autor Yevgeniy R. Semenov, MD, investigador del Departamento de Dermatolog\u00eda del MGH.<\/p>\n<p>&#8220;La predicci\u00f3n confiable de la recurrencia del melanoma puede permitir una selecci\u00f3n de tratamiento m\u00e1s precisa para la inmunoterapia, reducir la progresi\u00f3n a la enfermedad metast\u00e1sica y mejorar la supervivencia del melanoma al tiempo que minimiza la exposici\u00f3n a las toxicidades del tratamiento&#8221;.<\/p>\n<p>Para ayudar a lograr esto, Semenov y sus colegas evaluaron la efectividad de los algoritmos basados \u200b\u200ben el aprendizaje autom\u00e1tico, una rama de la inteligencia artificial, que usaba datos de los registros de salud electr\u00f3nicos de los pacientes para predecir la recurrencia del melanoma.<\/p>\n<p>Espec\u00edficamente, el equipo recolect\u00f3 1,720 melanomas en etapa temprana, 1,172 del sistema de atenci\u00f3n m\u00e9dica Mass General Brigham (MGB) y 548 del Instituto del C\u00e1ncer Dana-Farber (DFCI), y extrajo 36 caracter\u00edsticas cl\u00ednicas y patol\u00f3gicas de estos c\u00e1nceres de los registros de salud electr\u00f3nicos para predecir el riesgo de recurrencia de los pacientes con algoritmos de aprendizaje autom\u00e1tico. Se desarrollaron y validaron algoritmos con varios conjuntos de pacientes con MGB y DFCI, y se identificaron el grosor del tumor y la tasa de divisi\u00f3n de c\u00e9lulas cancerosas como las caracter\u00edsticas m\u00e1s predictivas.<\/p>\n<p>Nuestra plataforma integral de predicci\u00f3n de riesgos que utiliza enfoques novedosos de aprendizaje autom\u00e1tico para determinar el riesgo de recurrencia de melanoma en etapa temprana alcanz\u00f3 altos niveles de clasificaci\u00f3n y precisi\u00f3n de predicci\u00f3n del tiempo hasta el evento&#8221;, dice Semenov. &#8220;Nuestros resultados sugieren que los algoritmos de aprendizaje autom\u00e1tico pueden extraer se\u00f1ales predictivas de las caracter\u00edsticas clinicopatol\u00f3gicas para la predicci\u00f3n de la recurrencia del melanoma en etapa temprana, lo que permitir\u00e1 identificar a los pacientes que pueden beneficiarse de la inmunoterapia adyuvante&#8221;.<\/p>\n<p>Otros coautores de Mass General incluyen a Ahmad Rajeh, Michael R. Collier, Min Seok Choi, Munachimso Amadife, Kimberly Tang, Shijia Zhang, Jordan Phillips, Nora A. Alexander, Yining Hua, Wenxin Chen, Diane, Ho, Stacey Duey y Genevieve M. Boland.<\/p>\n<h5><em>Tomado de ecancer<\/em><\/h5>\n<h6>\u00a02 de noviembre 2022<\/h6>\n","protected":false},"excerpt":{"rendered":"<p>El enfoque de inteligencia artificial puede ayudar a identificar a los sobrevivientes de melanoma que enfrentan un alto riesgo de recurrencia del c\u00e1ncer. \u00a0La mayor\u00eda de las muertes por melanoma, la forma m\u00e1s letal de c\u00e1ncer de piel, ocurren en pacientes que inicialmente fueron diagnosticados con melanoma en etapa temprana y luego experimentaron una recurrencia [&hellip;]<\/p>\n","protected":false},"author":176,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[1],"tags":[],"_links":{"self":[{"href":"https:\/\/blogs.sld.cu\/inorbib\/wp-json\/wp\/v2\/posts\/3664"}],"collection":[{"href":"https:\/\/blogs.sld.cu\/inorbib\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blogs.sld.cu\/inorbib\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blogs.sld.cu\/inorbib\/wp-json\/wp\/v2\/users\/176"}],"replies":[{"embeddable":true,"href":"https:\/\/blogs.sld.cu\/inorbib\/wp-json\/wp\/v2\/comments?post=3664"}],"version-history":[{"count":1,"href":"https:\/\/blogs.sld.cu\/inorbib\/wp-json\/wp\/v2\/posts\/3664\/revisions"}],"predecessor-version":[{"id":3665,"href":"https:\/\/blogs.sld.cu\/inorbib\/wp-json\/wp\/v2\/posts\/3664\/revisions\/3665"}],"wp:attachment":[{"href":"https:\/\/blogs.sld.cu\/inorbib\/wp-json\/wp\/v2\/media?parent=3664"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blogs.sld.cu\/inorbib\/wp-json\/wp\/v2\/categories?post=3664"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blogs.sld.cu\/inorbib\/wp-json\/wp\/v2\/tags?post=3664"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}