Un estudio utiliza por primera vez la IA para predecir cuál va a ser la evolución del mieloma múltiple en el paciente

Joaquín Martínez, investigador principal y autor del artículo 'Dinámica de la enfermedad residual medible (ERM) en el mieloma múltiple y la influencia de la diversidad clonal analizada mediante inteligencia artificial'.
Joaquín Martínez, investigador principal y autor del artículo 'Dinámica de la enfermedad residual medible (ERM) en el mieloma múltiple y la influencia de la diversidad clonal analizada mediante inteligencia artificial'. - HOSPITAL 12 DE OCTUBRE
Publicado: viernes, 20 septiembre 2024 11:30

MADRID 20 Sep. (EUROPA PRESS) -

Un estudio internacional liderado por la Unidad de Tumores Hematológicos del Hospital 12 de Octubre-CNIO, con la colaboración del Hospital de California (Estados Unidos), ha logrado identificar, mediante herramientas de IA, patrones de respuesta a los tratamientos en pacientes con mieloma múltiple, pudiendo así pronosticar con precisión cuál va a ser la evolución del tumor.

Se trata de la primera vez que se utiliza esta tecnología para predecir la respuesta al tratamiento de enfermedades. Hasta a un 30 por ciento de los pacientes se les puede retirar las terapias de mantenimiento y evitar los efectos secundarios que padecen.

El mieloma múltiple (MM) es el tumor hematológico más frecuente y, aunque aún no tiene cura, la introducción de nuevos fármacos en los últimos años ha mejorado mucho el pronóstico de la enfermedad.

Predecir cuál va a ser la evolución del tumor en el paciente es prioritario para la toma de decisiones clínicas y la eficacia de los tratamientos. Este es objetivo de los investigadores que tratan de detectar la denominada enfermedad mínima residual, que es el mínimo número de células cancerosas que quedan en el organismo después del tratamiento inicial y que sirve de predictor de la evolución de la enfermedad y de la posibilidad de recaídas.

Según el jefe de la Unidad de Investigación de Tumores Hematológicos Hospital 12 de Octubre-CNIO, Joaquín Martínez, investigador principal y autor del artículo 'Dinámica de la enfermedad residual medible (ERM) en el mieloma múltiple y la influencia de la diversidad clonal analizada mediante inteligencia artificial', actualmente ya existen técnicas muy novedosas de predicción que permiten tomar decisiones de tratamiento respecto a un 20 por ciento de pacientes.

"Este trabajo con IA nos permite una predicción mucho más precisa de la evolución que va a tener el mieloma, lo que permitirá tomar con mucha más seguridad decisiones clínicas como la retirada del tratamiento de mantenimiento a partir de unos resultados más fiables y beneficiar a más pacientes", ha dicho. Se trata de un 30 por ciento de ellos que van a cursar con buen pronóstico y sin recaídas y que se pueden ahorrar los efectos secundarios de dicho tratamiento, entre ellos laceraciones gastrointestinales y riesgo de aparición de nuevos tumores.

De manera adicional, los investigadores han encontrado un nuevo parámetro que puede complementar esta herramienta de estudio, ayudando a predecir los enfermos que van a evolucionar mejor. Se denomina diversidad clonal y equivale a la recuperación del sistema inmune. Consiste en que los pacientes que tienen más frecuencia de inmunoglobulinas normales (mayor diversidad clonal) tienen mejor pronóstico que los que tienen menos frecuencia.

SE ANALIZARON 482 PACIENTES

Para este estudio se analizaron retrospectivamente 482 pacientes con mieloma múltiple en la Universidad de California (San Francisco) diagnosticados entre 2008 y 2020, 304 recién diagnosticados y 178 con enfermedad recidivante.

El trabajo evalúa la mínima cantidad de células cancerosas que quedan en el cuerpo del paciente después del tratamiento (enfermedad residual medible) y el impacto a largo plazo de la respuesta al tratamiento, medido con técnicas de secuenciación masiva y con IA.

Un total de 119 de 304 pacientes recién diagnosticados alcanzaron una negatividad de la ERM a un nivel de 10-6 al menos una vez, lo que significa que no se detecta ADN tumoral de una célula entre un millón. Estos pacientes tuvieron una supervivencia prolongada sin progresión (SSP) en comparación con los pacientes que fueron persistentemente positivos a diferentes niveles.

A su vez, en el grupo de enfermedad recidivante, 64 de 178 alcanzaron negatividad de EMR a 10-6 y la SSP se prolongó en comparación con los pacientes que permanecieron con EMR positiva

La IA definió tres categorías de dinámica de enfermedad mínima residual: muestras consistentemente negativas, células tumorales en declive pero detectables o estables/crecientes.

Los pacientes que eran EMR positivos y aún no habían recaído tenían una diversidad clonal mayor que los pacientes que eran EMR positivos y habían recaído. La dinámica de EMR puede predecir con precisión la evolución de la enfermedad e impulsar la toma de decisiones clínicas. La diversidad clonal podría complementar la evaluación de EMR en la predicción de resultados en mieloma múltiple.

Contador