MADRID, 30 May. (EUROPA PRESS) -
Un estudio reciente ha introducido un método novedoso que combina la nanoinformática y el aprendizaje automático para predecir con precisión el comportamiento de las células cancerosas, lo que permite la identificación de subpoblaciones de células con características distintas, como la sensibilidad a los medicamentos y el potencial metastásico. Esta investigación de la Universidad Hebrea de Jerusalén (Israel), publicada en 'Science Advances', podría transformar el diagnóstico y el tratamiento del cáncer, mejorando la medicina personalizada al facilitar pruebas rápidas y precisas del comportamiento de las células cancerosas a partir de biopsias de pacientes y potencialmente conduciendo al desarrollo de nuevas pruebas clínicas para monitorear la progresión de la enfermedad y la efectividad del tratamiento.
En este novedoso estudio dirigido por el estudiante de doctorado Yoel Goldstein y la profesora Ofra Benny de la Facultad de Farmacia de la Facultad de Medicina, en colaboración con el profesor Tommy Kaplan, jefe del Departamento de Biología Computacional de la Facultad de Ingeniería e Informática de Universidad Hebrea, se desarrolló un método innovador para predecir el comportamiento de las células cancerosas utilizando nanoinformática y aprendizaje automático.
La fase inicial del estudio implicó exponer las células cancerosas a partículas de varios tamaños, cada una identificada por un color único. Posteriormente, se cuantificó la cantidad precisa de partículas consumidas por cada célula. Luego, los algoritmos de aprendizaje automático analizaron estos patrones de absorción para predecir comportamientos celulares críticos, como la sensibilidad a los fármacos y el potencial metastásico.
"Nuestro método es novedoso en su capacidad para distinguir entre células cancerosas que parecen idénticas pero se comportan de manera diferente a nivel biológico", explica Yoel Goldstein: "Esta precisión se logra mediante el análisis algorítmico de cómo las células absorben las micro y nanopartículas. Ser capaz de recopilar y analizar nuevos tipos de datos genera nuevas posibilidades para el campo, con el potencial de revolucionar el tratamiento clínico y el diagnóstico mediante el desarrollo de nuevas herramientas".
La investigación ha allanado el camino para nuevos tipos de pruebas clínicas que podrían tener un impacto significativo en la atención al paciente. "Este descubrimiento nos permite utilizar potencialmente células de biopsias de pacientes para predecir rápidamente la progresión de la enfermedad o la resistencia a la quimioterapia", afirma el profesor Benny. "También podría conducir al desarrollo de análisis de sangre innovadores que evalúen, por ejemplo, la eficacia de tratamientos de inmunoterapia dirigidos".
Las herramientas actuales para predecir y detectar el cáncer a menudo carecen de precisión y eficiencia. Los métodos tradicionales, como las exploraciones por imágenes y las biopsias de tejido, pueden ser invasivos, costosos y consumir mucho tiempo, lo que provoca retrasos en el tratamiento y posibles diagnósticos erróneos. Es posible que estos enfoques no capturen la naturaleza dinámica de la progresión del cáncer y pueden dar lugar a conocimientos limitados sobre el comportamiento de la enfermedad a nivel celular. En consecuencia, los pacientes pueden experimentar retrasos en el diagnóstico, resultados del tratamiento subóptimos y un aumento de la angustia psicológica. Esto resalta la necesidad urgente de herramientas de diagnóstico más efectivas y no invasivas, como el reciente avance logrado por investigadores de la Universidad Hebrea, que representa un avance significativo en la medicina personalizada, brindando esperanza para estrategias de tratamiento más efectivas y personalizadas para pacientes con cáncer.
