Cuando los profesionales de la salud tratan a pacientes que sufren de cánceres avanzados, normalmente necesitan utilizar una combinación de diferentes terapias.

Además de la cirugía del cáncer, los pacientes suelen ser tratados con radioterapia, medicación o ambas.

Los medicamentos pueden combinarse, con diferentes drogas que actúan sobre diferentes células cancerosas.

Las terapias combinadas de medicamentos suelen mejorar la eficacia del tratamiento y pueden reducir los efectos secundarios nocivos si se puede reducir la dosis de los medicamentos individuales.

Sin embargo, la detección experimental de las combinaciones de medicamentos es muy lenta y costosa, y por lo tanto, a menudo no se descubren todos los beneficios de la terapia combinada.

Con la ayuda de un nuevo método de aprendizaje por máquina, se podrían identificar las mejores combinaciones para eliminar selectivamente las células cancerosas con una composición genética o funcional específica.

Investigadores de la Universidad de Aalto, la Universidad de Helsinki y la Universidad de Turku, en Finlandia, desarrollaron un modelo de aprendizaje por máquina que predice con precisión cómo las combinaciones de diferentes medicamentos contra el cáncer matan varios tipos de células cancerosas.

El nuevo modelo de IA se entrenó con un gran conjunto de datos obtenidos de estudios anteriores, que habían investigado la asociación entre los fármacos y las células cancerosas.

El modelo aprendido por la máquina es en realidad una función polinómica familiar de las matemáticas escolares, pero muy compleja", dice el profesor Juho Rousu de la Universidad de Aalto.

Los resultados de la investigación se publicaron en la prestigiosa revista Nature Communications, demostrando que el modelo encontró asociaciones entre drogas y células cancerígenas que no se habían observado anteriormente.

"El modelo da resultados muy precisos. Por ejemplo, los valores del llamado coeficiente de correlación fueron superiores a 0,9 en nuestros experimentos, lo que apunta a una excelente fiabilidad", dice el profesor Rousu.

En las mediciones experimentales, un coeficiente de correlación de 0,8-0,9 se considera fiable.

El modelo predice con precisión cómo una combinación de fármacos inhibe selectivamente determinadas células cancerosas cuando el efecto de la combinación de fármacos en ese tipo de cáncer no ha sido probado previamente.

Esto ayudará a los investigadores del cáncer a priorizar qué combinaciones de fármacos elegir entre miles de opciones para futuras investigaciones", dice el investigador Tero Aittokallio del Instituto de Medicina Molecular de Finlandia (FIMM) de la Universidad de Helsinki.

El mismo enfoque de aprendizaje automático podría utilizarse para enfermedades no cancerosas.

En este caso, el modelo tendría que ser re-enseñado con datos relacionados con esa enfermedad.

Por ejemplo, el modelo podría utilizarse para estudiar cómo las diferentes combinaciones de antibióticos afectan a las infecciones bacterianas o con qué eficacia las diferentes combinaciones de drogas matan las células que han sido infectadas por el coronavirus SARS-Cov-2.

Fuente: AALTO UNIVERSITY