Medicina de precisión · us
¿Cómo reducir la carga de interpretación del genoma completo del cáncer? Inocras presenta resultados preliminares de una revisión asistida por IA
Inocras propone un flujo de trabajo en el que la IA procesa primero parte de las variantes genéticas del cáncer y remite los casos difíciles a expertos. La evaluación preliminar muestra una elevada concordancia en la interpretación, pero aún se necesita una validación más completa para determinar si permite ahorrar tiempo de trabajo clínico y mantener la calidad de los informes.
Leer el genoma completo del cáncer es solo el punto de partida para comprender un tumor. Después, es necesario revisar una por una qué variantes son fiables y cuáles podrían estar relacionadas con la formación del cáncer. Inocras presentó en la reunión anual de la Asociación de Patología Molecular de Estados Unidos (AMP) los resultados preliminares de un marco asistido por IA que busca reducir la carga de este proceso de interpretación.
Según informó LabMedica, este marco integra anotaciones genómicas e información sobre la calidad de la secuenciación para revisar variantes candidatas que podrían impulsar el cáncer. Cuando se necesitan pruebas adicionales, el sistema puede examinar imágenes de alineamiento de las lecturas de secuenciación y consultar casos internos previos, simulando el proceso mediante el cual los expertos contrastan distintos indicios.
En la evaluación publicada por la empresa, las variantes sobre las que el sistema aceptó emitir una determinación mostraron una concordancia del 99.5% con los resultados de la revisión por expertos; otro 10.2% de las variantes candidatas se remitió a expertos para su revisión. Estas dos cifras deben leerse juntas: la concordancia describe la parte sobre la que el sistema está dispuesto a pronunciarse y no puede considerarse directamente una medida de la exactitud de identificación de todas las variantes, ni equivale a la exactitud del diagnóstico del cáncer.
Con los mismos datos de entrada y la misma configuración, la reproducibilidad de los resultados en análisis repetidos fue del 98.4%. Esto aporta indicios preliminares sobre la estabilidad del proceso, pero también deja preguntas prácticas: ¿qué variantes tienden a recibir determinaciones diferentes al repetir el análisis y cómo garantizar que esas diferencias no afecten al informe final?
La información publicada hasta ahora no detalla cuántos pacientes y variantes abarcó la evaluación, la distribución de los tipos de cáncer ni si se utilizaron datos externos independientes para la validación, por lo que aún resulta difícil determinar si los resultados pueden generalizarse a distintos laboratorios. La concordancia con los expertos tampoco implica necesariamente que la interpretación sea correcta; para evaluar su valor clínico, todavía es necesario aclarar los tipos de errores y si estos podrían afectar a las decisiones terapéuticas posteriores.
Inocras estima que el marco podría reducir en más de la mitad el tiempo de revisión de los expertos, pero este beneficio aún debe validarse, y todos los informes clínicos siguen siendo revisados y firmados por personal humano. Estos resultados presentados en un congreso plantean una línea que puede someterse a prueba: si permitir que la IA asuma parte de la revisión rutinaria puede ayudar a los expertos a dedicar más tiempo a los casos difíciles y, al mismo tiempo, mantener la calidad de los informes.