MADRID, 14 Abr. (EUROPA PRESS) -
Un nuevo modelo de Inteligencia Artificial (IA), diseñado por investigadores de la Facultad de Medicina de Harvard y la Universidad Nacional Cheng Kung de Taiwán, podría aportar claridad a la hora de emitir pronósticos y decidir tratamientos para pacientes con cáncer colorrectal, así como predecir con exactitud la agresividad de un tumor colorrectal, la probabilidad de que el paciente sobreviva con o sin recurrencia de la enfermedad y cuál puede ser la terapia óptima para él.
Esta herramienta podría ayudar a médicos y pacientes a navegar por esta enfermedad, que a menudo se comporta de forma diferente incluso entre personas con perfiles de enfermedad similares que reciben el mismo tratamiento y, en última instancia, podría salvar la vida de muchos pacientes que padecen este tipo de cáncer.
En el informe sobre el trabajo del equipo, que ha sido publicado en la revista 'Nature Communications', los investigadores afirman que la herramienta pretende mejorar, no sustituir, la experiencia humana. "Lo que esperamos no es sustituir la experiencia humana en patología, sino aumentar lo que los patólogos humanos pueden hacer. Esperamos que este enfoque mejore la práctica clínica actual del tratamiento del cáncer", afirma el coautor del estudio y profesor adjunto de informática biomédica en el Instituto Blavatnik del HMS, Kun-Hsing Yu.
El investigador explica que este modelo "realiza tareas que los patólogos humanos no pueden hacer basándose únicamente en la visualización de imágenes".
Los investigadores advierten que el pronóstico de cada paciente depende de múltiples factores y que ningún modelo puede predecir a la perfección su supervivencia. Sin embargo, añaden, el nuevo modelo podría ser útil para orientar a los médicos a realizar un seguimiento más estrecho, considerar tratamientos más agresivos o recomendar ensayos clínicos que prueben terapias experimentales si sus pacientes tienen un pronóstico peor según la evaluación de la herramienta.
La herramienta podría ser especialmente útil en zonas con recursos limitados, tanto en este país como en el resto del mundo, donde la patología avanzada y la secuenciación genética de tumores pueden no estar fácilmente disponibles, según señalan los investigadores.
La nueva herramienta va más allá de las actuales herramientas de IA, que realizan principalmente tareas que reproducen u optimizan la experiencia humana. En comparación, la nueva herramienta detecta e interpreta patrones visuales en imágenes de microscopía que son imperceptibles para el ojo humano. La herramienta, denominada MOMA (Multi-omics Multi-cohort Assessment), está a disposición gratuita de investigadores y médicos.
El modelo se entrenó con información obtenida de casi 2.000 pacientes con cáncer colorrectal de diversas cohortes nacionales de pacientes que, en conjunto, incluyen a más de 450.000 participantes: el Estudio de Seguimiento de Profesionales de la Salud, el Estudio de Salud de Enfermeras, el Programa del Atlas del Genoma del Cáncer y el Ensayo de Detección del Cáncer de Próstata, Pulmón, Colorrectal y Ovario (PLCO) de los NIH.
Durante la fase de entrenamiento, los investigadores proporcionaron al modelo información sobre la edad, el sexo, el estadio del cáncer y los resultados de los pacientes. También le proporcionaron información sobre los perfiles genómicos, epigenéticos, proteicos y metabólicos de los tumores.
A continuación, los investigadores mostraron al modelo imágenes patológicas de muestras tumorales y le pidieron que buscara marcadores visuales relacionados con los tipos de tumor, las mutaciones genéticas, las alteraciones epigenéticas, la progresión de la enfermedad y la supervivencia de los pacientes.
Después, probaron cómo funcionaría el modelo en el "mundo real" alimentándolo con un conjunto de imágenes de muestras tumorales de distintos pacientes que no había visto antes. Compararon su rendimiento con los resultados reales de los pacientes y otra información clínica disponible.
El modelo predijo con exactitud la supervivencia global de los pacientes tras el diagnóstico, así como cuántos de esos años estarían libres de cáncer. La herramienta también predijo con exactitud cómo podría responder un paciente concreto a distintas terapias, en función de si el tumor del paciente albergaba mutaciones genéticas específicas que hacían que el cáncer fuera más o menos propenso a progresar o extenderse.
En ambos aspectos, la herramienta superó a los patólogos humanos y a los actuales modelos de IA. Según los investigadores, el modelo se actualizará periódicamente a medida que la ciencia evolucione y surjan nuevos datos.
UN MODELO BASADO EN TÉCNICAS DE IMAGEN
El nuevo modelo aprovecha los recientes avances en técnicas de imagen de tumores que ofrecen niveles de detalle sin precedentes, que sin embargo, siguen siendo indiscernibles para los evaluadores humanos. A partir de estos detalles, el modelo identificó con éxito indicadores de la agresividad de un tumor y de la probabilidad de que se comportara en respuesta a un tratamiento concreto.
Basándose únicamente en una imagen, el modelo también identificó características asociadas a la presencia o ausencia de mutaciones genéticas específicas, algo que normalmente requiere la secuenciación genómica del tumor, un proceso que puede llevar mucho tiempo y ser costoso, sobre todo para los hospitales que no disponen habitualmente de estos servicios.
El modelo identificó con precisión las características de la imagen relacionadas con las diferencias de supervivencia.
Por ejemplo, identificó tres características de la imagen que auguraban peores resultados: la mayor densidad celular dentro del tumor, la presencia de tejido conectivo de apoyo alrededor de las células tumorales, conocido como estroma, y la interacción de las células tumorales con las células musculares lisas.
También identificó patrones en el estroma tumoral que indicaban qué pacientes tenían más probabilidades de vivir más tiempo sin que reapareciera el cáncer. Y predijo con exactitud qué pacientes se beneficiarían de una clase de tratamientos contra el cáncer conocidos como inhibidores del punto de control inmunitario. Aunque estas terapias funcionan en muchos pacientes con cáncer de colon, algunos no experimentan ningún beneficio mensurable y tienen efectos secundarios graves.
