SALUD CÁNCER

Desarrollan un modelo de algoritmos para predecir leucemia

EFEFUTURO.- Un equipo multidisciplinar de investigadores, liderado por profesores de la Universidad de Oviedo, ha desarrollado un modelo de algoritmos matemáticos capaces de predecir el comportamiento de las leucemias linfocíticas crónicas.

<p>Imagen microscópica de un frotis de leucemia. (CSIC)</p>

Imagen microscópica de un frotis de leucemia. (CSIC)

Esta nueva metodología puede resultar de gran ayuda para el personal clínico ya que anticipa qué pacientes van a necesitar quimioterapia o van a adquirir enfermedades autoinmunes, ha informado hoy la Universidad de Oviedo.

Juan Luis Fernández Martínez, profesor del departamento de Matemáticas de la Universidad de Oviedo, y la doctora Ana Pilar González-Rodríguez, del Hospital Universitario Central de Asturias (HUCA), ambos firmantes del artículo, describen la leucemia linfocítica crónica como una enfermedad con gran variabilidad clínica.

González-Rodríguez comenta que “uno de los mayores retos de esta patología es la predicción de su evolución para que los pacientes se beneficien de un tratamiento precoz y más intenso”.

Los investigadores analizaron una base de datos con diferentes variables clínicas de 265 pacientes del Hospital de Cabueñes, en Gijón, para idear este nuevo modelo matemático.

Capacidad de predicción muy exacta

Los algoritmos resultantes fueron capaces de predecir el desarrollo de enfermedades autoinmunes con una exactitud del 90 % y la necesidad de utilizar quimioterapia con un 80 %.

Esta reducción de la fiabilidad en el caso de la quimioterapia, pese a que sigue siendo muy alta, se debe a la heterogeneidad con la que se suele tomar la decisión de facilitar o no quimio, que no siempre depende de criterios biológicos.

La metodología utilizada por el equipo investigador incluye el análisis de riesgo mediante curvas (Receiver Operating Characteristic), lo que permite alcanzar un equilibrio entre falsos positivos y falsos negativos.

El estudio realizado con los pacientes del hospital gijonés reveló a su vez la importancia de diferentes variables de pronóstico asociadas a las características de las plaquetas, los reticulocitos (glóbulos rojos que no han alcanzado su total madurez) y las células NK (Natural Killer), que son las principales dianas en el desarrollo de enfermedades autoinmunes.

“Los datos en los que se basan las predicciones son sencillos, baratos y accesibles para cualquier hospital. Análisis similares se podrían realizar con otros datos y otras patologías, como en el pasado hemos hecho con el linfoma de Hodgkin”, afirma el profesor Fernández Martínez.

Este estudio, que acaba de ser publicado en la revista Journal of Biomedical Informatics, es fruto del trabajo conjunto de investigadores del grupo de Problemas Inversos del Departamento de Matemáticas y del Centro de Inteligencia Artificial de la Universidad de Oviedo, del Instituto Universitario Oncológico del Principado de Asturias (IUOPA), y del Departamento de Hematología del Hospital Universitario Central de Asturias (HUCA).

El trabajo forma parte de la tesis doctoral de Enrique de Andrés Galiana, titulada “Diseño de robots biomédicos y su aplicación en medicina traslacional”. EFE

Etiquetado con: , ,
Publicado en: Ciencia

Esta nueva metodología puede resultar de gran ayuda para el personal clínico ya que anticipa qué pacientes van a necesitar quimioterapia o van a adquirir enfermedades autoinmunes, ha informado hoy la Universidad de Oviedo.

Juan Luis Fernández Martínez, profesor del departamento de Matemáticas de la Universidad de Oviedo, y la doctora Ana Pilar González-Rodríguez, del Hospital Universitario Central de Asturias (HUCA), ambos firmantes del artículo, describen la leucemia linfocítica crónica como una enfermedad con gran variabilidad clínica.

González-Rodríguez comenta que “uno de los mayores retos de esta patología es la predicción de su evolución para que los pacientes se beneficien de un tratamiento precoz y más intenso”.

Los investigadores analizaron una base de datos con diferentes variables clínicas de 265 pacientes del Hospital de Cabueñes, en Gijón, para idear este nuevo modelo matemático.

Capacidad de predicción muy exacta

Los algoritmos resultantes fueron capaces de predecir el desarrollo de enfermedades autoinmunes con una exactitud del 90 % y la necesidad de utilizar quimioterapia con un 80 %.

Esta reducción de la fiabilidad en el caso de la quimioterapia, pese a que sigue siendo muy alta, se debe a la heterogeneidad con la que se suele tomar la decisión de facilitar o no quimio, que no siempre depende de criterios biológicos.

La metodología utilizada por el equipo investigador incluye el análisis de riesgo mediante curvas (Receiver Operating Characteristic), lo que permite alcanzar un equilibrio entre falsos positivos y falsos negativos.

El estudio realizado con los pacientes del hospital gijonés reveló a su vez la importancia de diferentes variables de pronóstico asociadas a las características de las plaquetas, los reticulocitos (glóbulos rojos que no han alcanzado su total madurez) y las células NK (Natural Killer), que son las principales dianas en el desarrollo de enfermedades autoinmunes.

“Los datos en los que se basan las predicciones son sencillos, baratos y accesibles para cualquier hospital. Análisis similares se podrían realizar con otros datos y otras patologías, como en el pasado hemos hecho con el linfoma de Hodgkin”, afirma el profesor Fernández Martínez.

Este estudio, que acaba de ser publicado en la revista Journal of Biomedical Informatics, es fruto del trabajo conjunto de investigadores del grupo de Problemas Inversos del Departamento de Matemáticas y del Centro de Inteligencia Artificial de la Universidad de Oviedo, del Instituto Universitario Oncológico del Principado de Asturias (IUOPA), y del Departamento de Hematología del Hospital Universitario Central de Asturias (HUCA).

El trabajo forma parte de la tesis doctoral de Enrique de Andrés Galiana, titulada “Diseño de robots biomédicos y su aplicación en medicina traslacional”. EFE

RSS Feed desconocido

Uso de cookies

Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continúa navegando, consideramos que acepta su uso. Puede obtener más información, o bien conocer cómo cambiar la configuración, en nuestra política de cookies, pinche el enlace para mayor información.

Login

Registro | Contraseña perdida?