- El sistema, financiado por los Institutos Nacionales de Salud (NIH), analiza grandes volúmenes de datos con una precisión técnica sin precedentes.
Investigadores de la Universidad de Salud y Ciencia de Oregón (OHSU) desarrollaron una herramienta de evaluación que detecta patrones biológicos ocultos en el “mosaico” de células de un tumor. A diferencia de los métodos tradicionales que promedian los datos de todo el tejido, este marco de aprendizaje automático preserva los matices críticos de cada célula de manera aislada.
El modelo funciona asignando un “peso” o valor de importancia a cada célula según su relación con la progresión de la enfermedad. Al filtrar la información de células irrelevantes, scSurvival genera predicciones de supervivencia mucho más precisas, permitiendo a los oncólogos entender no solo quién está en riesgo, sino qué poblaciones celulares lo provocan.
[Imagen de visualización de datos genómicos y células tumorales analizadas por IA]
Durante las pruebas clínicas con más de 150 pacientes, la herramienta identificó con éxito grupos de células inmunitarias y tumorales vinculadas a mejores respuestas a la inmunoterapia en melanomas. Este avance representa un cambio significativo en la medicina de precisión, permitiendo anticipar cómo responderá un tumor específico antes de iniciar tratamientos agresivos.
Para el sector salud en México y el estado de Hidalgo, la implementación de tecnologías de análisis unicelular y herramientas predictivas basadas en IA es un objetivo clave en la modernización de los servicios oncológicos. La capacidad de estratificar riesgos con mayor exactitud optimiza el uso de recursos hospitalarios y mejora la calidad de vida de los pacientes mediante terapias personalizadas.
| Ficha Técnica del Proyecto | Detalles del Modelo scSurvival |
| Institución Desarrolladora | Universidad de Salud y Ciencia de Oregón (OHSU) |
| Financiamiento | National Cancer Institute (NCI / NIH) |
| Enfermedades Objetivo | Melanoma y Cáncer de Hígado |
| Innovación Clave | Análisis a resolución unicelular (Single-cell) |
| Eficacia | Predicciones más precisas que los métodos de promedio |