Salt Lake City (LabNews Media LLC) – Un nuevo método de IA, basado en principios de la mecánica cuántica, puede derivar pronósticos y recomendaciones de tratamiento más precisos para pacientes con cáncer a partir de datos moleculares complejos, incluso en grupos pequeños de pacientes. Esto se demuestra en un estudio de la Universidad de Utah, publicado en la revista especializada APL Quantum.
El equipo de Orly Alter desarrolló algoritmos basados en los conceptos de la mecánica cuántica de superposición y entrelazamiento. Estas llamadas «descomposiciones espectrales comparativas multitensor» descomponen múltiples capas de datos moleculares —incluyendo ADN tumoral y sanguíneo, así como ARN tumoral— en patrones interconectados.
Al aplicarlos a datos de neuroblastoma de 71 pacientes, los investigadores pudieron derivar nuevos predictores de la esperanza de vida de los niños que superaron los biomarcadores convencionales. Las predicciones pudieron validarse con éxito en grupos de pacientes independientes. Además, proporcionaron indicios interpretables sobre mecanismos de la enfermedad y posibles puntos de ataque para nuevas terapias.
«Se trata de mucho más que un solo gen; todo lo que sucede en las células del paciente juega un papel», explicó Orly Alter. El método permite extraer información relevante de diferentes capas de datos, como la sangre de los pacientes además del tumor.
La técnica ya se ha transferido con éxito a glioblastomas adultos y se ha validado experimentalmente con CRISPR-Cas9. Alter ve en ello un paso importante hacia la medicina de precisión: «Al final, esta es la medicina personalizada definitiva: se tiene a una persona individual y se puede derivar un tratamiento a partir de sus datos».
Los investigadores han aportado el procedimiento a la empresa spin-off Prism AI Therapeutics para ayudar a empresas biotecnológicas y farmacéuticas en el desarrollo de fármacos y la selección de participantes adecuados para estudios.
https://pubs.aip.org/aip/apq/article/3/2/026116/3395875/Quantum-mechanics-based-multitensor-AI-ML-uniquely
