Avance de Penn Medicine en Inteligencia Artificial para la Oncología
¿Por qué es Importante?
La aplicación iStar (Inferred Super-Resolution Tissue Architecture) desarrollada en la Facultad de Medicina Perelman de la Universidad de Pensilvania, utiliza el poder de la inteligencia artificial para ofrecer análisis precisos de imágenes a nivel celular. Esto puede conducir a la detección de células cancerígenas que de otra manera podrían haberse perdido.
Según un reciente informe en Nature, esta herramienta de IA puede ayudar a confirmar si se han logrado márgenes seguros después de las cirugías de cáncer, y también facilitar anotaciones automáticas para imágenes microscópicas, lo que avanza el diagnóstico de enfermedades moleculares.[automatic_youtube_gallery type="search" search="Penn Medicine desarrolla una herramienta de IA para oncología de precisión" cache="2419200" per_page="1" thumb_excerpt="0" player_description="0"]
Desarrollo de la Tecnología iStar
Esta tecnología proviene de la transcriptómica espacial, un área emergente que se ocupa de mapear actividades genéticas dentro del espacio de los tejidos. iStar fue entrenada en imágenes de tejido estándar utilizando una herramienta de aprendizaje automático llamada Hierarchical Vision Transformer.
iStar AI puede detectar automáticamente formaciones inmunes antitumorales críticas llamadas estructuras linfoides terciarias, cuya existencia se correlaciona con la probabilidad de supervivencia del paciente y una respuesta positiva a la inmunoterapia.
Este avance ayudará en la detección de cánceres difíciles de ver o identificar con iStar actuando como una capa de apoyo.
La Mayor Tendencia
La inteligencia artificial está permitiendo avances importantes hacia la atención más personalizada y centrada en el paciente. Esto, junto con políticas innovadoras y computadoras más potentes, está allanando el camino para lograr innovación en medicina de precisión y tratamientos oncológicos basados en la inteligencia artificial.
En el Registro
«El poder de iStar proviene de sus técnicas avanzadas, que reflejan, al revés, cómo un patólogo estudiaría una muestra de tejido», dice Mingyao Li, profesor de bioestadística y patología digital en la Escuela Perelman, y agrega que iStar muestra su potencial en el estudio de una gran cantidad de muestras, una necesidad clave para los estudios biomédicos a gran escala.
Además, su velocidad de procesamiento es importante para su aplicación en 3D y predicción de muestras de biobancos. En un contexto 3D, un bloque de tejido puede implicar de cientos a miles de cortes de tejido en serie. Aquí, la velocidad de iStar hace posible reconstruir este enorme volumen de datos espaciales en poco tiempo.
Fuente: Healthcare IT News