Investigadores han desarrollado un novedoso enfoque que utiliza la reducción de dimensionalidad y la inteligencia artificial explicable para clasificar con precisión el cáncer a partir de la expresión génica de ARNm. Este estudio se centra en identificar firmas moleculares únicas para diferentes tipos de cáncer, mejorando significativamente las posibilidades de tratamiento personalizado.

La alta dimensionalidad de los datos de expresión génica representa un desafío importante para la clasificación del cáncer. Para abordar este problema, los científicos han implementado un pipeline que identifica 33 tipos distintos de cáncer y el conjunto de genes asociados a cada uno de ellos, utilizando solo 500 características en lugar de las 19,238 habituales. Mediante la normalización y técnicas de selección de características, se ha mejorado el rendimiento, reduciendo considerablemente la dimensión de los datos.

El enfoque emplea un conjunto combinado de tres clasificadores de alto rendimiento que logró una precisión del 96.61%. Esto se respalda además con el uso de IA explicable, que utilizó análisis de Expresión Génica Diferencial (DGE) para demostrar la importancia biológica de los genes específicos del cáncer identificados. Este nivel de precisión es un hito significativo, ya que equilibra la eficiencia computacional y el rendimiento técnico.

La validación se realizó comparando los genes identificados con aquellos obtenidos mediante el análisis DGE en varios tipos de cáncer específicos. Los resultados mostraron que los conjuntos de genes extraídos cumplían con los niveles de expresión diferencial esperados, corroborando la efectividad del sistema propuesto.

Este camino representa un avance hacia un diagnóstico más rápido y preciso del cáncer, permitiendo también una interpretación más comprensible de los modelos utilizados, algo crucial para mejorar la transparencia y la confianza en estas tecnologías de inteligencia artificial en el ámbito médico. El conjunto de genes específicos del cáncer proporcionado es una importante base para futuras investigaciones enfocadas en tratamientos específicos para los pacientes.