Usec Network Magazine
Fuente: Fujitsu
Fujitsu ha anunciado los resultados de un proyecto de investigación conjunto con el Instituto de Ciencias Médicas de la Universidad de Tokio, iniciado en abril de 2018. Como parte de esta co-investigación, Fujitsu Laboratories Ltd. ha desarrollado y verificado con éxito su tecnología de Inteligencia Artificial (IA) para mejorar la eficiencia de la planificación del tratamiento en la medicina genómica del cáncer, demostrando su efectividad a través de experimentos de verificación en el Instituto de Ciencias Médicas de la Universidad de Tokio.
En el campo de la medicina genómica del cáncer, la creación de planes de tratamiento derivados de la información genómica sigue siendo un proceso costoso y lento. La tecnología recientemente desarrollada se extrae de un gran número de trabajos de investigación y académicos para generar un gráfico de conocimiento de la medicina genómica del cáncer, que se puede utilizar para crear planes de tratamiento, incluidos los efectos de un tratamiento en curso. Los experimentos de prueba de verificación que utilizan esta tecnología han permitido que el Departamento de Hematología y Oncología del Instituto de Ciencias Médicas de la Universidad de Tokio, reduzca la cantidad de trabajo necesario para determinar un tratamiento para la leucemia mieloide aguda en más de la mitad, brindando una mayor eficiencia.
En el futuro, los Laboratorios de Fujitsu apoyarán el trabajo de los médicos, al expandir la tecnología para hacer frente a una mayor variedad de tipos de cáncer y contribuir al avance general de la medicina genómica del cáncer.
Antecedentes de desarrollo
El objetivo de la medicina genómica del cáncer es proporcionar una atención médica óptima para cada paciente, mediante la identificación de mutaciones genómicas en pacientes con cáncer y la predicción de la probabilidad de enfermedad, así como la respuesta a los medicamentos y los efectos secundarios. A partir de junio de 2019 en Japón, las pruebas del panel de genes del cáncer han sido cubiertas por el seguro de salud y los expertos de la industria anticipan que se incrementarán el número de pruebas.
Actualmente, en el campo de la medicina genómica del cáncer, sigue siendo necesario que los médicos especialistas busquen minuciosamente los artículos relevantes uno por uno de una base de datos y determinen los métodos de tratamiento adecuados, así como sus efectos en el paciente (Figura 1). Para abordar estos desafíos, los Laboratorios de Fujitsu y el Instituto de Ciencias Médicas de la Universidad de Tokio lanzaron un proyecto conjunto de investigación de IA, que comenzó en abril de 2018, para mejorar la eficiencia y la sofisticación del trabajo de los médicos especializados en genómica del cáncer, realizando posteriormente un ensayo de verificación para la tecnología.
Esquema de los ensayos de verificación
1. Periodo de prueba: Julio de 2018 a septiembre de 2019
2. Lugar de prueba: Departamento de Hematología y Oncología, Instituto de Ciencias Médicas de la Universidad de Tokio.
3. Tecnología desarrollada: La nueva tecnología genera automáticamente una base de datos de conocimiento sobre la relación entre las mutaciones genéticas y las medicinas terapéuticas, y con la relación entre las medicinas terapéuticas y sus efectos, a partir de documentos médicos. Esto se logra integrando la tecnología de IA de Fujitsu para el procesamiento del lenguaje, que identifica los términos y frases utilizados en los trabajos de investigación a partir del contexto, así como la información necesaria para analizar las políticas de tratamiento identificadas por el Instituto de Ciencias Médicas de la Universidad de Tokio.
4. Detalles de la prueba de verificación: Con la tecnología recientemente desarrollada, 2.4 millones de relaciones de elementos de 860,000 documentos médicos se extraen automáticamente como conocimiento, para construir una base de datos de gráficos para la medicina genómica del cáncer.
En este estudio, se mide el tiempo requerido para que 4 médicos especializados en neoplasias hematológicas del Instituto de Ciencias Médicas de la Universidad de Tokio busquen y examinen documentos, utilizando la tecnología basada en casos anteriores de leucemia mieloide aguda, y también se evalúa la eficiencia del trabajo de examen con y sin la nueva tecnología desarrollada (1) (Fig. 2). Para este experimento de verificación, se utiliza una base de datos desarrollada por Fujitsu Limited en cooperación con la Agencia de Investigación y Desarrollo Médico de Japón, como parte del “Programa para una base de datos integrada de información clínica y genómica” (2) usado en el gráfico de conocimiento.
5. Resultados: La tecnología redujo la tarea de leer el documento completo, al presentar el conocimiento extraído de cada uno y permitió a los usuarios centrarse sólo en los aspectos pertinentes de la investigación. Como resultado, se confirmó que la nueva tecnología puede reducir la cantidad de tiempo dedicado a esta tarea en más de la mitad, en comparación con el promedio de aproximadamente 30 minutos por cada estudio que se tardó en el pasado. En la actualidad, se estima que más de 12,000 personas sufren de leucemia anualmente en Japón (3), y si se administran tratamientos médicos genómicos a todos ellos utilizando esta nueva tecnología, las 6,000 horas de trabajo de examen que normalmente se requieren para los expertos se pueden acortar a 3,000 horas o menos, lo que agiliza considerablemente el proceso de determinación del tratamiento apropiado para cada paciente.
Planes futuros
La tecnología desarrollada en los Laboratorios de Fujitsu para explicar la razón y la toma de decisiones de IA (4), se utilizará junto con esta tecnología para mejorar aún más la eficiencia del proceso de curación de la mutación genómica. Fujitsu utilizará aún más el gráfico de conocimiento para la medicina de precisión, desarrollado a través de esta investigación conjunta con el que mejorar la eficiencia del estudio de mutaciones genéticas para una amplia gama de tipos de cáncer y promover activamente el desarrollo de la genómica del cáncer en la práctica clínica.
