Nueva técnica usa aprendizaje automático para mejorar el diagnóstico y tratamiento del osteosarcoma infantil

Tiempo de lectura: 2 minutos
Por Jamie Olivos
- en
Vista microscópica de células de osteosarcoma con marcadores genéticos.

MadridInvestigadores han descubierto una nueva forma de identificar subtipos de osteosarcoma, un tipo de cáncer óseo, utilizando matemáticas avanzadas y aprendizaje automático. Este método, desarrollado por la Universidad de East Anglia y financiado por Children with Cancer UK, busca ofrecer tratamientos más personalizados y podría aumentar las tasas de supervivencia en pacientes, especialmente niños y adolescentes. Durante años, los métodos para diagnosticar y tratar el osteosarcoma no han cambiado mucho, pero este estudio propone un enfoque innovador para combatir la enfermedad.

El método de Descomposición de Procesos Latentes (DPL) identifica diferentes tipos de osteosarcoma a través del análisis de la información genética. Esta técnica se aleja del enfoque tradicional de tratar a todos los pacientes con la misma quimioterapia. El estudio representa un avance significativo en la clasificación del osteosarcoma, incluyendo:

  • Identificación de tres subtipos distintos de osteosarcoma.
  • Reconocimiento de la heterogeneidad tumoral dentro de estos subtipos.
  • Potencial para terapias dirigidas específicas para cada subtipo.

La Descomposición de Procesos Latentes aborda desafíos en la investigación del osteosarcoma al analizar patrones de actividad genética en lugar de clasificar tumores en grupos fijos. Este método toma en cuenta las diferencias dentro de los tumores individuales, lo cual ha sido un gran obstáculo para predecir la eficacia de los tratamientos. Al identificar estos patrones ocultos, los médicos pueden ajustar las terapias para adaptarse a los estados específicos del cáncer, posiblemente reduciendo los efectos secundarios graves de tratamientos comunes como la quimioterapia.

Este estudio podría contribuir al diseño de ensayos clínicos más eficaces en el futuro. Anteriormente, muchos ensayos fueron considerados fallidos porque no beneficiaron a todos los pacientes. Sin embargo, el descubrimiento de diferentes subtipos sugiere que estos ensayos podrían ser útiles para grupos específicos de pacientes. Esto podría transformar el desarrollo y la aprobación de medicamentos, ofreciendo más opciones para tratamientos de cáncer personalizados.

El estudio enfrenta ciertos desafíos. Se vio limitado por la escasez de conjuntos de datos y la información clínica incompleta, lo que dificultó la obtención de suficientes muestras de alta calidad debido a que la enfermedad es poco común. Resolver estos problemas podría llevar a una mejor identificación de los subtipos y mejorar los resultados para los pacientes.

Esta investigación representa un avance significativo en la comprensión del osteosarcoma. A medida que obtenemos mejores datos y mejoramos nuestros modelos, se espera que los planes de tratamiento personalizados para cada individuo se conviertan en la práctica estándar. Esto ofrece la esperanza de un tratamiento del cáncer más eficiente y humano.

El estudio se publica aquí:

http://dx.doi.org/10.1093/bib/bbae665

y su cita oficial - incluidos autores y revista - es

Sergio Llaneza-Lago, William D Fraser, Darrell Green. Bayesian unsupervised clustering identifies clinically relevant osteosarcoma subtypes. Briefings in Bioinformatics, 2025; 26 (1) DOI: 10.1093/bib/bbae665

Ciencia: Últimas noticias
Leer siguiente:

Compartir este artículo

Comentarios (0)

Publicar un comentario
NewsWorld

NewsWorld.app es un sitio de noticias premium gratuito. Proporcionamos noticias independientes y de alta calidad sin cobrar por artículo y sin un modelo de suscripción. NewsWorld cree que las noticias generales, de negocios, económicas, tecnológicas y de entretenimiento deberían ser accesibles a un alto nivel de forma gratuita. Además, NewsWorld es increíblemente rápido y utiliza tecnología avanzada para presentar artículos de noticias en un formato altamente legible y atractivo para el consumidor.


© 2024 NewsWorld™. Todos los derechos reservados.