MADRID, 13 Dic. (EUROPA PRESS) -
Investigadores del Johns Hopkins Cancer Center y el Bloomberg Kimmel Institute for Cancer Immunotherapy (Estados Unidos) han trabajado con éxito un algoritmo de inteligencia artificial para predecir qué pacientes con melanoma responderían al tratamiento y cuáles no.
El programa es el 'DeepTCR' y ha demostrado ser útil como herramienta clínica predictiva, además de enseñar a los investigadores los mecanismos biológicos subyacentes a las respuestas de los pacientes a la inmunoterapia.
"El poder predictivo de 'DeepTCR' es emocionante", dice John-William Sidhom, primer autor del estudio, que afirma que lo que encontró "más fascinante" fue ver lo que el modelo aprendió sobre la respuesta del sistema inmunitario a la inmunoterapia. "Ahora podemos explotar esa información para desarrollar modelos más sólidos y, posiblemente, mejores enfoques de tratamiento para muchas enfermedades, incluso aquellas fuera de la oncología", expresa.
La revista 'Science Advances' ya publicó un resumen de la investigación en el que se observa que 'DeepTCR' usa una forma concreta de inteligencia artificial para reconocer patrones en grandes volúmenes de datos. En este caso, los datos son las secuencias de aminoácidos de proteínas, llamadas receptores de células T (TCR, en sus siglas en inglés).
Los TCR se asientan en el exterior de las células T del sistema inmunitario, esperando ser atacados por una proteína de un enemigo (cáncer, bacterias o virus). Los TCR son como cerraduras que solo se pueden abrir con una única llave. El exterior de la célula T está repleto de muchos TCR, pero todos son idénticos y se abren con la misma "llave enemiga". Sin saber qué enemigos están presentes, muchas células T diferentes deambulan por el cuerpo. Cuando se activa un TCR, su célula T libera moléculas para matarlos y se clona a sí misma para fortalecer la respuesta.
Desafortunadamente, algunas células tumorales desarrollan formas de bloquear la respuesta de las células T, aunque los TCR se hayan activado. Los medicamentos de inmunoterapia actuales, conocidos como inhibidores de puntos de control, consisten en proteínas que bloquean esta capacidad en los tumores, lo que hace que las células T respondan al cáncer. Sin embargo, estos medicamentos solo ayudan a una minoría de pacientes.
En el estudio, Sidhom utilizó materiales recopilados durante el ensayo clínico 'CheckMate 038' que probó la eficacia de un fármaco de inmunoterapia (nivolumab) en comparación con una combinación de dos (nivolumab e ipilimumab) para 43 pacientes con melanoma inoperable. Se tomaron biopsias de los tumores, que contenían una serie de células T infiltrantes, antes y durante el tratamiento. En el estudio 'CheckMate' no se observaron diferencias significativas en los pacientes tratados con el fármaco único frente a la combinación de dos fármacos. Algunos pacientes de ambos grupos respondieron y otros no.
A través de un protocolo bien definido, Sidhom usó la secuenciación genética de alta tecnología para descubrir el repertorio de TCR que rodea a cada tumor al determinar el tipo y la cantidad de TCR en cada biopsia. Luego introdujo esos datos en el programa 'DeepTCR' y le dijo qué conjuntos de datos pertenecían a los que respondieron y a los que no respondieron. De este modo, el algoritmo buscó patrones.
A pesar de las conclusiones tan prometedoras de este estudio, los investigadores deben confirmar estos hallazgos en una población de pacientes más amplia antes de que el algoritmo pueda usarse clínicamente para guiar una terapia.
El doctor Pedro Pérez Segura, coordinador científico de Oncomedic y jefe del Servicio de Oncología Médica del Hospital Universitario Clínico San Carlos de Madrid, señala que campos como el del big data y la inteligencia artificial "permiten hoy en día a todos los actores implicados en el abordaje del cáncer optimizar recursos en beneficio del diagnóstico y tratamiento del paciente, en este caso, oncológico".
Por ello, destaca la importancia de que los profesionales sanitarios estén concienciados y abiertos a la implantación de estas nuevas tecnologías en la práctica clínica, ya que "mejoran el trabajo y la atención de los pacientes".
