Lucha contra el cáncer de intestino con IA

El proyecto de investigación DECADE es el primero en utilizar el aprendizaje en enjambre en la investigación del cáncer

10.07.2023 - Alemania
Computer-generated image

Imagen simbólica

El cáncer de intestino es uno de los tipos de cáncer más frecuentes y mortales en Alemania. Cada año se diagnostica a unas 58.000 personas. Si se detecta a tiempo, es fácilmente curable. Sin embargo, a pesar de los avances significativos en el cribado y el tratamiento, los médicos siguen enfrentándose a retos en el diagnóstico y el pronóstico. Aquí es donde entra en juego DECADE (Decentralized artificial intelligence for diagnosis, prognosis and response prediction in Colorectal Cancer). Varios hospitales universitarios alemanes colaboran para investigar cómo el uso de la inteligencia artificial (IA) y el aprendizaje en enjambre (SL) puede mejorar significativamente la atención y el tratamiento de los pacientes con cáncer colorrectal, tanto en estadios tempranos como avanzados. La IA ya es capaz de analizar grandes cantidades de datos y reconocer determinados patrones. Los conocimientos obtenidos de este modo pueden ayudar a predecir mejor el curso de la enfermedad o a realizar diagnósticos más individualizados. El objetivo de este proyecto de investigación es utilizar la IA y la SL para mejorar significativamente el tratamiento de los pacientes con cáncer colorrectal.

El profesor Jakob N. Kather, director del proyecto y catedrático de Inteligencia Artificial Clínica en el Centro Else Kröner Fresenius de Salud Digital de la Universidad Técnica de Dresde y el Hospital Universitario de Dresde, declaró al inicio del proyecto: "Hasta ahora, las herramientas de IA solo se han utilizado de forma vacilante en la práctica clínica rutinaria. Una de las razones es que el intercambio de datos entre hospitales está muy restringido por obstáculos legales y éticos, especialmente en Alemania. Una solución a este problema es el aprendizaje en enjambre. Con el aprendizaje en enjambre, varias instituciones pueden entrenar conjuntamente modelos de IA médica sin intercambiar datos. Mediante el uso de la inteligencia artificial descentralizada y el aprendizaje en enjambre, esperamos mejorar el diagnóstico, el pronóstico y la planificación del tratamiento de los pacientes con cáncer colorrectal."

Entrenar la IA con datos descentralizados de pacientes

En la investigación del cáncer, las leyes sobre privacidad y los obstáculos éticos dificultan el intercambio de datos sensibles de pacientes entre distintas instituciones de investigación, aunque muchos pacientes estén en principio a favor de que sus datos se utilicen con fines de investigación. El aprendizaje en enjambre facilita el cumplimiento de los requisitos de privacidad. El aprendizaje en enjambre es una forma especial de aprendizaje automático en la que los modelos se entrenan sin intercambiar datos reales entre los participantes. La coordinación y fusión de modelos se realiza a través de una cadena de bloques, eliminando la necesidad de una instancia central. El proyecto DECADE se basa en este método para utilizar la tecnología de IA basada en SL para resolver problemas clínicos del mundo real relacionados con el cáncer colorrectal. "Los requisitos legales para proteger los datos sanitarios sensibles son elevados. Este innovador método de aprendizaje en enjambre permite aprovechar las ventajas de la colaboración y la transferencia de conocimientos entre distintas instituciones de investigación sin infringir la normativa sobre privacidad. De esta manera, los modelos de IA en la investigación del cáncer pueden seguir desarrollándose y mejorándose para permitir un mejor diagnóstico, pronóstico y enfoques de tratamiento personalizados para los pacientes con cáncer", dijo el Prof. Tom Lüdde, Director del Departamento de Gastroenterología, Hepatología y Enfermedades Infecciosas del Hospital Universitario de Düsseldorf. Los socios del proyecto utilizarán SL para desarrollar algoritmos de IA que permitan diagnosticar y subtipificar el cáncer colorrectal y predecir la progresión de la enfermedad. Con ello sientan un precedente en el uso de la SL en medicina que puede servir de modelo para cualquier sistema de IA en el sector sanitario. Al fin y al cabo, unos sistemas de IA más potentes podrían ayudar a los médicos a detectar el cáncer de intestino en una fase más temprana y tratarlo con mayor eficacia. Esto podría servir de apoyo al personal médico y mejorar la atención y el tratamiento de los pacientes con cáncer colorrectal.

Antecedentes

El proyecto de investigación DECADE -Inteligencia artificial descentralizada para el diagnóstico, pronóstico y predicción de respuesta en cáncer colorrectal- está financiado por la Ayuda Alemana contra el Cáncer con aproximadamente 1,5 millones de euros a lo largo de tres años (2023-2026). Los socios del proyecto son los hospitales universitarios de Bonn, Dresde, Düsseldorf, Heidelberg y Maguncia. El objetivo del proyecto de investigación es utilizar la inteligencia artificial y el aprendizaje en enjambre para mejorar el tratamiento de los pacientes con cáncer colorrectal.

Socios del proyecto:

  • Centro Fresenius Else Kröner de Salud Digital, TU Dresde, Hospital Universitario de Dresde
  • Hospital Universitario de Heidelberg, Instituto de Patología, Departamento de Biología Tumoral Aplicada
  • Hospital Universitario de Maguncia, Instituto de Patología
  • Hospital Universitario de Bonn, Clínica Médica y Policlínica 1, Centro Nacional de Síndromes Tumorales Hereditarios
  • Hospital Universitario de Düs

Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Inglés se puede encontrar aquí.

Más noticias del departamento ciencias

Noticias más leídas

Más noticias de nuestros otros portales

Todos los fabricantes de espectrómetros FT-IR de un vistazo