De los patrones a los pacientes: avances en el aprendizaje automático clínico para el diagnóstico, pronóstico y...

Área de la Ciencia:

• En el campo de la oncología
• La informática médica
• Inteligencia artificial

Sus antecedentes:

• El aprendizaje automático (ML) está avanzando rápidamente en las aplicaciones clínicas de la oncología.
• Las técnicas de ML se están integrando en varias etapas de la atención de pacientes con cáncer.

Objetivo del estudio:

• Revisar las aplicaciones recientes de ML en oncología clínica.
• Discutir el uso de ML en el análisis de imágenes médicas y datos moleculares para el diagnóstico, pronóstico y tratamiento del cáncer.
• Examinar los modelos de ML aprobados por las autoridades y las direcciones futuras para la utilidad clínica.

Principales métodos:

• Revisión de la literatura sobre las aplicaciones recientes de ML en oncología clínica.
• Análisis de las técnicas ML aplicadas a las imágenes médicas y a los datos moleculares (biopsias líquidas y sólidas).
• Examen de los modelos ML aprobados por las agencias reguladoras para su uso en pacientes con cáncer.

Principales resultados:

• ML se aplica en todo el flujo de trabajo de oncología, incluido el diagnóstico, el pronóstico y la planificación del tratamiento.
• Existen desafíos distintos en el desarrollo de modelos ML para imágenes frente a datos moleculares.
• Varios modelos de ML han recibido la aprobación reguladora para aplicaciones relacionadas con el cáncer en pacientes.

Conclusiones:

• ML tiene una promesa significativa para mejorar el diagnóstico, el pronóstico y las estrategias de tratamiento del cáncer.
• Para la adopción clínica es crucial abordar los desafíos específicos de los datos y las vías regulatorias.
• Se necesita un mayor desarrollo para maximizar la utilidad clínica de ML en oncología.