Los investigadores han desarrollado el primer modelo de aprendizaje automático por computadora para predecir con precisión qué pacientes diagnosticados con leucemia mielógena aguda, o AML, entrarán en remisión después del tratamiento de su enfermedad y cuáles recaerán.
"Es bastante sencillo enseñarle a una computadora a reconocer la AML, una vez que desarrollas un algoritmo robusto, y en trabajos anteriores lo hicimos con casi un 100 por ciento de precisión", dijo Murat Dundar, autor principal del estudio de progresión de la enfermedad y profesor asociadode ciencias de la computación en la Facultad de Ciencias de la Universidad de Indiana-Universidad de Purdue en Indianápolis ". Lo que fue un desafío fue ir más allá de ese trabajo y enseñar a la computadora a predecir con precisión la dirección del cambio en la progresión de la enfermedad en pacientes con AML, interpretando nuevos datos para predecirdesconocido: qué nuevos pacientes con AML entrarán en remisión y cuáles recaerán "
La computadora fue entrenada usando datos de médula ósea e historias clínicas de pacientes con AML, así como datos de sangre de individuos sanos. Los casos sobre los cuales la computadora no tenía información fueron evaluados por el algoritmo aplicando conocimiento sobre casos similares en la base de datos.la computadora pudo predecir la remisión con una precisión del 100 por ciento. La recaída se predijo correctamente en el 90 por ciento de los casos relevantes.
"Como entrada, nuestro sistema computacional emplea datos de citometría de flujo, una tecnología ampliamente utilizada que puede proporcionar rápidamente características detalladas de células individuales en muestras como sangre o médula ósea", explicó Bartek Rajwa, primer autor del estudio y la investigación.profesor asistente de biología computacional en el Bindley Bioscience Center de la Universidad de Purdue. "Tradicionalmente, los resultados de los análisis de citometría de flujo son evaluados por expertos humanos altamente capacitados en lugar de por algoritmos de aprendizaje automático. Pero las computadoras a menudo son mejores para extraer conocimiento de datos complejos quelos humanos son "
La medición y el monitoreo automatizados de la respuesta al tratamiento de la AML son críticos no solo para la evaluación objetiva del pronóstico del estado de la enfermedad sino también para la evaluación oportuna de las estrategias de tratamiento, anotaron los autores del estudio. Su trabajo crea y subyace un sistema de apoyo a la decisión clínica que reconocela presencia de pequeñas cantidades residuales de células malignas de cualquier tipo de AML en muestras de médula ósea, lo que permite la identificación temprana del cambio en la dirección de la progresión de la enfermedad.
"El aprendizaje automático no se trata de modelar datos. Se trata de extraer el conocimiento de los datos que tiene para que pueda construir una herramienta poderosa e intuitiva que pueda hacer predicciones sobre datos futuros que la computadora no haya visto anteriormente: la máquina está aprendiendo,no memorizar, y eso es lo que hicimos ", dijo Dundar, un científico de aprendizaje automático que se especializa en enseñar computadoras para comprender datos biomédicos.
El Instituto Nacional del Cáncer anticipó que a 19,950 personas se les diagnosticaría AML en 2016 y pronosticó que el año pasado ocurrirían aproximadamente 10,430 muertes por AML.
Fuente de la historia :
Materiales proporcionado por Indiana University-Purdue University Indianapolis School of Science . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :