Video Experimental Relacionado
Updated: May 5, 2026
Comparative Lesions Analysis Through a Targeted Sequencing Approach
Published on: November 5, 2019
Los grandes modelos de lenguaje permiten la clasificación por tipo de tumor y la localización de cánceres de origen
Jilei Liu1, Meng Yang1, Yajing Bi1
1Key Laboratory of Cancer Prevention and Therapy, Tianjin Cancer Institute, Tianjin's Clinical Research Center for Cancer, Tianjin Key Laboratory of Digestive Cancer, State Key Laboratory of Druggability Evaluation and Systematic Translational Medicine, National Clinical Research Center for Cancer, Tianjin Medical University Cancer Institute and Hospital, Tianjin Medical University, Tianjin 300060, China.
OncoChat, un modelo de IA, clasifica con precisión 69 tipos de tumores utilizando datos genómicos, mejorando el diagnóstico del cáncer. Esta herramienta avanzada de inteligencia artificial es prometedora para el apoyo a las decisiones clínicas, especialmente para los cánceres de origen desconocido.
Área de la Ciencia:
- En el campo de la oncología
- La bioinformática
- Inteligencia artificial
Sus antecedentes:
- La clasificación precisa del tipo de tumor es crucial para el tratamiento eficaz del cáncer.
- Los métodos genómicos actuales para la clasificación de tumores tienen limitaciones en el rendimiento y la flexibilidad.
- El cáncer de origen desconocido (CUP) presenta un desafío diagnóstico significativo.
Objetivo del estudio:
- Para introducir OncoChat, un modelo de IA para clasificar 69 tipos de tumores mediante la integración de diversas alteraciones genómicas.
- Evaluar el rendimiento de OncoChat en comparación con los métodos existentes.
- Evaluar la utilidad clínica de OncoChat en el diagnóstico de la CUP y su asociación con los resultados de los pacientes.
Principales métodos:
- Desarrollo de OncoChat, un modelo de IA entrenado en datos genómicos de 158,836 tumores.
- Utilizando paneles de genes de cáncer dirigidos para la secuenciación genómica.
- Validación de OncoChat en conjuntos de datos CUP independientes.
Principales resultados:
- OncoChat logró un PRAUC micromediado de 0,810, una precisión de 0,774 y una puntuación F1 de 0,756, superando los métodos de referencia.
- OncoChat identificó correctamente 22 de los 26 casos en un conjunto de datos de validación CUP.
- Las predicciones de OncoChat en conjuntos de datos CUP más grandes se correlacionaron con los resultados conocidos de supervivencia del tumor y los perfiles de mutación.
Conclusiones:
- OncoChat demuestra un rendimiento superior en la clasificación del tipo de tumor en 69 tipos.
- El modelo de IA muestra un potencial significativo para el apoyo a la decisión clínica, en particular para los casos de CUP.
- La integración de OncoChat podría mejorar la precisión del diagnóstico y el manejo del paciente en oncología.
