En pos de un enfoque más personalizado para la pérdida de peso
Los nuevos medicamentos para la pérdida de peso, incluidos semaglutida (Ozempic; Wegovy) y tirzepatida (Mounjaro; Zepbound), revolucionaron el tratamiento de la obesidad. Sin embargo, si bien estos medicamentos ayudan a una gran cantidad de personas a bajar de peso de manera significativa, los resultados pueden variar mucho de un individuo a otro. Los investigadores desarrollaron un examen genético que podría ayudar a identificar a quienes tienen mayores probabilidades de beneficiarse con los medicamentos para perder peso nuevos y más costosos y quiénes podrían responder mejor a los medicamentos anteriores más económicos, pero igualmente efectivos. En este proyecto piloto, los científicos están trabajando para validar el examen genético mediante el uso de datos del KP Research Bank. Analizarán individuos que usaron medicamentos para perder peso con el fin de averiguar si el examen predice la pérdida de peso. El objetivo es aumentar la personalización de los tratamientos de obesidad. Si podemos determinar quiénes responden mejor a cada medicación, los pacientes y sus proveedores de atención pueden tomar decisiones más informadas, lo que mejora los resultados y disminuye los costos de la atención médica.
Detección temprana del cáncer de páncreas
El cáncer de páncreas es la tercera causa principal de muerte por cáncer. Los científicos predicen que, en el 2030, será la segunda causa principal de muerte por cáncer. Uno de los motivos de la alta mortalidad de esta enfermedad es que a menudo se diagnostica en una etapa muy avanzada. El índice de supervivencia aumentaría si las personas pudiesen ser diagnosticadas en una etapa temprana de la enfermedad.
Los científicos que lideran este proyecto ya analizaron la información de las historias clínicas electrónicas de Kaiser Permanente relacionadas con el cáncer de páncreas. Usaron un tipo de programación informática denominado “aprendizaje automático”. El “aprendizaje automático” es un proceso mediante el cual se da a las computadoras la capacidad de “aprender” a partir de un conjunto de datos determinado que, en este caso, estaba relacionado con personas que habían tenido cáncer de páncreas.
En este nuevo estudio, los científicos se basarán en los hallazgos del proyecto de aprendizaje automático para desarrollar el próximo nivel de aprendizaje automático llamado “aprendizaje profundo”. El “aprendizaje profundo” se refiere a computadoras que pueden reconocer patrones en conjuntos de datos de gran tamaño y hacer predicciones sobre el mundo real sin necesidad de recibir información adicional por parte de los investigadores. El nuevo modelo de aprendizaje profundo usará información de las historias clínicas de los participantes del KP Research Bank, incluidos resultados de análisis de sangre, para predecir el riesgo de que una persona desarrolle cáncer de páncreas. El proyecto también destacará a KP Research Bank como un recurso valioso para las investigaciones avanzadas sobre la detección temprana del cáncer de páncreas.
