Los investigadores del MIT están usando la inteligencia artificial para hacer que el tratamiento del cáncer sea más soportable pero igual de efectivo para los pacientes.

La IA aprende de los datos históricos de los pacientes para determinar cuáles son las dosis y frecuencias más bajas de medicación que arrojan los resultados deseados para reducir los tumores.

En algunos casos, la administración mensual de dosis se redujo a solo dos veces por año, mientras se alcanzaba el mismo objetivo. Con base en un ensayo de cincuenta pacientes, los tratamientos se redujeron a entre un cuarto y la mitad de las dosis entregadas anteriormente.

Algunos de los efectos secundarios de los medicamentos contra el cáncer pueden hacer más daño que bien a la calidad de vida de un paciente. Al implementar la estrategia de tratamiento entregada por técnicas de Inteligencia Artificial, se pueden usar dosis menos tóxicas.

El modelo actual se centra en el tratamiento con glioblastoma.

El glioblastoma es la forma más agresiva de cáncer cerebral, aunque también se puede encontrar en la médula espinal. Se encuentra más comúnmente en adultos mayores, pero puede afectar cualquier edad.

Las víctimas suelen tener una esperanza de vida de hasta cinco años. Los médicos a menudo administran las dosis máximas seguras para reducir los tumores tanto como sea posible, pero con efectos secundarios que pueden afectar la calidad de vida de un paciente durante ese período.

En un comunicado de prensa, el MIT dijo:

El modelo de los investigadores, en cada acción, tiene la flexibilidad de encontrar una dosis que no solo maximiza la reducción del tumor, sino que logra un equilibrio perfecto entre la máxima reducción del tumor y baja toxicidad

“Esta técnica tiene varias aplicaciones de ensayos médicos y clínicos, donde las acciones para tratar a los pacientes deben ser reguladas para prevenir los efectos secundarios dañinos”.

El aprendizaje reforzado se utilizó para el modelo mediante el cual el modelo busca “recompensar” y quiere evitar “castigos” para optimizar todas sus acciones.

El modelo comenzó determinando si se debía administrar o retener una dosis.

Si se administra, ya sea una dosis completa o solo una parte, es necesario.

Un segundo modelo clínico se activa cada vez que se realiza una acción para predecir el efecto sobre el tumor.

Con el fin de evitar simplemente dar dosis más frecuentes cada vez, la IA de los investigadores recibió una penalización cada vez que administraba dosis completas o un medicamento con demasiada frecuencia.

Fuente: Paper MIT