Desarrollan una IA que detecta células cancerosas resistentes

Investigadores rusos y chinos desarrollaron un modelo de inteligencia artificial denominado scRADAR, capaz de identificar células tumorales resistentes a los tratamientos farmacológicos con una precisión superior al 95%.

El sistema fue creado por científicos de la Universidad Conjunta Ruso-China MSU-BIT, ubicada en Shenzhen, y busca contribuir a la comprensión de los mecanismos que permiten que determinadas células cancerosas sobrevivan a los tratamientos.

Según explicó el profesor Alexéi Shaitán, codirector del laboratorio de bioinformática y biología de ingeniería de la institución, los tumores están compuestos por poblaciones celulares heterogéneas. En ese conjunto, algunas células resistentes pueden pasar inadvertidas para los métodos tradicionales y provocar recaídas.

Para anticipar la respuesta de cada célula, scRADAR analiza la actividad de sus genes, las características de su metabolismo y el funcionamiento de sus vías de señalización intracelular. Luego, cruza esa información con el mecanismo de acción de los medicamentos.

De esta manera, la herramienta permite clasificar las células según su sensibilidad o resistencia a los fármacos y, además, identificar características moleculares que podrían explicar esa resistencia.

El modelo fue entrenado con datos abiertos de secuenciación de ARN de células tumorales individuales y posteriormente evaluado mediante nueve conjuntos de datos correspondientes a cinco tipos de cáncer: pulmón de células no pequeñas, mama, próstata, carcinoma escamoso oral y leucemia linfocítica crónica.

De acuerdo con Shaitán, las pruebas arrojaron una precisión media de clasificación del 95,3 %.

Los resultados de la investigación, desarrollada en el laboratorio interuniversitario creado en 2025, fueron publicados en la revista científica PLOS Computational Biology.

El desarrollo representa un avance en la aplicación de inteligencia artificial al estudio de los tumores y podría contribuir a futuras investigaciones orientadas a comprender la resistencia a los tratamientos y mejorar las estrategias terapéuticas.