Un algoritmo de IA predice la supervivencia de pacientes con mielofibrosis después de trasplante
Hematología y Hemoterapia soniamoreno Vie, 28/03/2025 - 16:39 'Blood' El nuevo modelo de aprendizaje automático para pacientes con mielofibrosis supera a los modelos estadísticos estándar en la identificación y estratificación del riesgo de trasplante en pacientes con este cáncer, según muestra un estudio publicado esta semana en Blood, la principal revista de la Sociedad Americana de Hematología (ASH).El primer firmante del trabajo es Juan Carlos Hernández Boluda, hematólogo del Hospital Clínico de Valencia y jefe del comité de neoplasias mieloproliferativas del Grupo de Trabajo de Enfermedades Crónicas de la EBMT (Sociedad Europea de Trasplante Hematopoyético). Junto a Adrián Mosquera, hematólogo y experto en aprendizaje automático del Hospital de Santiago de Compostela, han liderado esta investigación multicéntrica internacional. Según detalla Hernández Boluda a DM, “nuestro grupo, utilizando la base de datos de GEMFIN (Grupo Español de Enfermedades Mieloproliferativas Crónicas Filadelfia Negativas), diseñó recientemente un modelo pronóstico basado en el aprendizaje automático para anticipar la supervivencia de los pacientes con mielofibrosis en el momento del diagnóstico. Ahora, empleando la base de datos del EBMT, hemos diseñado esta aplicación para predecir la supervivencia de los pacientes con mielofibrosis sometidos a trasplante hematopoyético exclusivamente”. Llega la primera terapia para esplenomegalia en mielofibrosis y anemia, Luz verde a momelotinib, el fármaco de GSK para mielofibrosis, Novartis compra MorphoSys por 2.700 millones y accede a pelabresib para mielofibrosis Si bien existen diversos modelos para identificar a los pacientes con mielofibrosis de alto riesgo, “aún carecemos de herramientas para determinar el Un modelo de aprendizaje automático, creado por investigadores españoles, muestra que el 25% de pacientes tienen un 40% de riesgo de morir durante el año siguiente al trasplante. Off Sonia Moreno Off
El nuevo modelo de aprendizaje automático para pacientes con mielofibrosis supera a los modelos estadísticos estándar en la identificación y estratificación del riesgo de trasplante en pacientes con este cáncer, según muestra un estudio publicado esta semana en Blood, la principal revista de la Sociedad Americana de Hematología (ASH).
El primer firmante del trabajo es Juan Carlos Hernández Boluda, hematólogo del Hospital Clínico de Valencia y jefe del comité de neoplasias mieloproliferativas del Grupo de Trabajo de Enfermedades Crónicas de la EBMT (Sociedad Europea de Trasplante Hematopoyético). Junto a Adrián Mosquera, hematólogo y experto en aprendizaje automático del Hospital de Santiago de Compostela, han liderado esta investigación multicéntrica internacional.
Según detalla Hernández Boluda a DM, “nuestro grupo, utilizando la base de datos de GEMFIN (Grupo Español de Enfermedades Mieloproliferativas Crónicas Filadelfia Negativas), diseñó recientemente un modelo pronóstico basado en el aprendizaje automático para anticipar la supervivencia de los pacientes con mielofibrosis en el momento del diagnóstico. Ahora, empleando la base de datos del EBMT, hemos diseñado esta aplicación para predecir la supervivencia de los pacientes con mielofibrosis sometidos a trasplante hematopoyético exclusivamente”.
