La revolución médica está dando un gran paso adelante con la introducción de un nuevo modelo de inteligencia artificial capaz de transformar y detectar el diagnóstico del cáncer. Este modelo promete mejorar la velocidad y la precisión de los diagnósticos. Esta situación representa una oportunidad sin precedentes para detectar la enfermedad en etapas más tempranas y optimizar los tratamientos para los pacientes.
Diagnóstico basado en el análisis de glicanos
Los glicanos son estructuras de azúcar presentes en nuestras células. Pueden servir como biomarcadores de cáncer si su estructura sufre cambios detectables mediante espectrometría de masas.
En la actualidad, los datos obtenidos mediante esta técnica deben ser examinados cuidadosamente por especialistas para determinar la posible presencia de cáncer. Este proceso, largo y complejo, requiere la pericia de un número limitado de profesionales altamente cualificados. Esto hace imprescindible el uso de la inteligencia artificial para agilizar el análisis.
En este contexto, un equipo de investigadores, dirigido por el Dr. Daniel Bojar, experto de la Universidad de Gotemburgo (Suecia), ha desarrollado su modelo de inteligencia artificial. El objetivo de esta inteligencia es simplificar la detección del cáncer. “En teoría, este método podría aplicarse a todos los tipos de cáncer, porque todas las formas de esta enfermedad que conocemos tienen glicanos modificados de forma característica, que pueden medirse mediante espectrometría de masas”, explica Daniel Bojar, autor principal de la investigación publicada el 1 de julio de 2024 en la revista Nature Methods.
CandyCrunch la nueva IA para detectar indicios de cáncer en segundos
El modelo de IA “CandyCrunch” puede detectar rápidamente signos de cáncer al identificar glicanos en muestras. CandyCrunch se entrenó en una base de datos de más de 500.000 estructuras de glicanos. Como resultado, este modelo de aprendizaje profundo aprendió a asociar correctamente los espectros de glicanos con sus estructuras. Según el Dr. Daniel Bojar, CandyCrunch es capaz de predecir la estructura exacta de los glicanos con un 90% de precisión después del entrenamiento.
Este contenido te puede interesar: ¿Puede la inteligencia artificial poner en peligro la democracia?
CandyCrunch es más efectivo que el método Glycoforest
El método Glycoforest se basa en la espectrometría de masas de alta resolución. Utiliza esta técnica para identificar y anotar estructuras de glicanos a partir de espectros de fragmentación.
Lea también: ¿Aviones más ecológicos gracias a la inteligencia artificial?
El modelo CandyCrunch ha demostrado ser más eficiente que Glycoforest y supone un gran avance a la hora de ofrecer resultados fiables en un tiempo récord. Según Daniel Bojar, la velocidad de análisis varía en función de la muestra, pero CandyCrunch realiza un análisis de media diez veces más rápido que Glycoforest e incluye cuantificación de glicanos, algo que no hace Glycoforest.
