Esta tecnología es capaz de seleccionar el mejor tratamiento para cada paciente en base a sus características individuales
Por Lucía de Mingo
19 de mayo de 2022
La startup biotecnológica española KeyZell, en alianza con la tecnológica Iakan, han presentado una solución de Inteligencia Artificial capaz de recomendar a los profesionales médicos tratamientos personalizados contra dos tipos de cáncer: pulmón y mama
Para ello, han desarrollado KEYZELL OPS, una herramienta basada en la tecnología de Machine Learning que permite a los oncólogos tomar decisiones más precisas, permitiendo una medicina más personalizada. Esto permite que se reduzca la reincidencia, la sobremedicación, el tiempo de hospitalización o los costes de los tratamientos. “La Inteligencia Artificial supone un instrumento fundamental para ayudar a los profesionales médicos a realizar diagnósticos mejores en menos tiempo”, afirma José del Corral, CEO de KeyZell. Su llegada al campo de la medicina garantiza la eficiencia en el proceso de toma de decisiones y la seguridad del paciente, recalca.
Actualmente, los profesionales de la salud se ven obligados a tomar decisiones con un gran nivel de incertidumbre, ya que cada paciente puede tener una respuesta diferente a los tratamientos. Además, los protocolos actuales implican altos niveles de toxicidad, lo que incrementa el sufrimiento y los efectos secundarios de los afectados, siendo clave personalizar al máximo los tratamientos y conocer su nivel de eficacia en cada caso. No obstante, Del Corral señala que “a la medicina personalizada de precisión, a pesar de ser reconocida por los profesionales y autoridades como esencial para el avance en oncología y tener financiación específica, le queda mucho por delante”.
KEYZELL OPS se basa en un sistema que se alimenta de miles de datos procedentes de historias clínicas. Su objetivo es crear modelos de aprendizaje automático a partir de la experiencia médica recogida durante años. La herramienta ha sido entrenada con más de 100.000 registros. Incluye reconocimiento de imágenes de diagnóstico y considera más de 30 variables de datos clínicos, que van desde datos del tumor, órgano, estado, junto a la lectura de secuenciación con biomarcadores, entre otros. Esto posibilita predecir cuál es el fármaco y/o combinación de fármacos con mayor porcentaje de éxito.
Actualmente, OPS está disponible solo para cáncer de mama y cáncer de pulmón. “Los cánceres de mama y de pulmón son dos de los tipos con más incidencia en todo el mundo. Por ello decidimos centrarnos en estos dos tipos de cáncer para dar soluciones innovadoras a los profesionales de la salud y facilitarles el estudio de cada caso diagnosticado”, afirma Del Corral.
En el primer caso se trata de un modelo de Machine Learning de predicción de supervivencia creado a partir de registros de cáncer de Mama de pacientes de EE. UU. (TCGA) y en el Hospital de Puebla en México; y, en el segundo, un modelo de predicción de efectividad y toxicidad, con registros de cáncer de pulmón de hospitales de España.
