La aplicación de la inteligencia artificial en el campo médico cambia cada día, especialmente en el campo de la genómica, donde se han logrado avances. Cerebras y la Clínica Mayo colaboraron para lanzar un modelo revolucionario basado en el genoma destinado a utilizar tecnología de inteligencia artificial y computación de alto rendimiento para mejorar la investigación genómica y la medicina personalizada. El modelo aporta nuevas esperanzas para el tratamiento de enfermedades como la artritis reumatoide con su potencial de precisión diagnóstica y selección de tratamiento personalizada, y se espera que mejore significativamente la experiencia de tratamiento del paciente.
En el campo de la atención sanitaria, la combinación de inteligencia artificial (IA) y genómica ha alcanzado un nuevo e interesante hito. Recientemente, Cerebras, en asociación con la Clínica Mayo, lanzó un modelo revolucionario basado en el genoma en la Conferencia Médica J.P. Morgan en San Francisco. El modelo tiene como objetivo aprovechar la tecnología avanzada de inteligencia artificial y la computación de alto rendimiento (HPC) para avanzar en el desarrollo de la genómica, especialmente en la medicina personalizada.
Este nuevo modelo genómico se centra en mejorar la precisión del diagnóstico y la selección personalizada del tratamiento, con aplicaciones iniciales en el tratamiento de la artritis reumatoide (AR). El tratamiento de esta afección a menudo presenta desafíos clínicos que requieren que los médicos pasen por un proceso de prueba y error para encontrar el medicamento adecuado para cada paciente. Los métodos tradicionales de pruebas genéticas a menudo sólo se centran en marcadores genéticos individuales, lo que dificulta predecir con precisión la respuesta de un paciente al tratamiento.
El modelo se entrenó con datos que combinaron los abundantes datos del exoma de los pacientes de Mayo Clinic con datos de referencia del genoma humano disponibles públicamente. Este enfoque es distinto de los modelos entrenados utilizando solo un genoma de referencia. Cerebras afirma que su modelo basado en el genoma superó significativamente a un modelo de genoma de referencia único en la clasificación de variantes genéticas utilizando datos de 500 pacientes de Mayo Clinic. El equipo espera que a medida que se agreguen más datos de pacientes, la precisión del modelo mejorará aún más.
Cerebras y la Clínica Mayo dijeron que el desarrollo de modelos genómicos que antes tardaba años en completarse ahora se puede acelerar enormemente mediante la capacitación y la personalización en la plataforma de inteligencia artificial de Cerebras. El Dr. Matthew Callstrom, jefe de radiología de la Clínica Mayo, enfatizó el potencial transformador de este modelo de IA y señaló que la tecnología puede ayudar a los médicos a tomar decisiones de tratamiento de manera más rápida y precisa, reduciendo así la carga física de los pacientes.
Además de lanzar nuevos modelos genómicos, el equipo también diseñó nuevos puntos de referencia para evaluar el rendimiento del modelo en capacidades clínicamente relevantes, como la capacidad de detectar enfermedades específicas a partir de datos de ADN. Esto llena el vacío donde los puntos de referencia públicos actuales se centran principalmente en identificar elementos estructurales como regiones regulatorias o funcionales.
Se dice que el Modelo Base Genómica de Mayo Clinic demuestra una precisión de vanguardia en varias áreas clave: 68%-100% de precisión en los puntos de referencia de AR; 96% de precisión en las predicciones de susceptibilidad al cáncer cardiovascular. La precisión de la predicción del tipo es 83; %. Natalia Vassilieva, directora de tecnología de campo de Cerebras, dijo que el nuevo modelo sobresale en predecir las propiedades funcionales y regulatorias del ADN al tiempo que revela asociaciones complejas entre variantes genéticas y condiciones médicas.
El lanzamiento exitoso de este modelo genómico basado en IA marca un paso clave en la medicina de precisión. En el futuro, con el avance continuo de la tecnología y la acumulación de más datos, se espera que este modelo desempeñe un papel importante en el diagnóstico y tratamiento de más enfermedades, brindando a los pacientes una mejor experiencia médica y planes de tratamiento más precisos.