La inteligencia artificial predice la respuesta a la terapia contra el cáncer a partir de los datos de cada célula tumoral

Con más de 200 tipos de cáncer y cada caso único, los esfuerzos continuos para desarrollar tratamientos oncológicos de precisión siguen siendo un reto. El enfoque se centra en el desarrollo de pruebas genéticas para identificar mutaciones en los genes impulsores del cáncer y en la adaptación de los tratamientos para abordar estas mutaciones.

Sin embargo, muchos pacientes con cáncer, si no la mayoría, no se benefician significativamente de estas terapias dirigidas tempranas. En un nuevo estudio publicado en Nature Cancer, el Dr. Sanju Sinha, primer autor y profesor adjunto del Programa de Terapia Molecular del Cáncer en Sanford Burnham Prebys, junto con los autores principales Eitan Ruppin, MD, PhD, y Alejandro Schaffer, PhD, del Instituto Nacional del Cáncer, parte de los Institutos Nacionales de la Salud (NIH), y sus colegas, describen un sistema computacional único para predecir sistemáticamente cómo responderán los pacientes a los fármacos contra el cáncer a nivel de células individuales.

El nuevo enfoque impulsado por IA, denominado PLANIFICACIÓN PERSONALIZADA DEL TRATAMIENTO ONCOLÓGICO BASADA EN LA EXPRESIÓN (PERCEPCIÓN) DE TRANSCRIPCIONES DE CÉLULAS ÚNICAS, profundiza en la transcriptómica, el estudio de los factores de transcripción, moléculas de ARNm que son expresadas por los genes y traducen la información del ADN en acción.

Los tumores son organismos complejos y en constante cambio. El uso de la resolución unicelular nos permite abordar ambos desafíos —afirma Sinha—. PERCEPTION nos permite utilizar la rica información de los oméxicos unicelulares para comprender la arquitectura clonal de un tumor y monitorear la aparición de resistencia. (En biología, los oméxicos se refieren a la suma de las partes dentro de una célula).

Sinha afirma: «La capacidad de monitorear la aparición de resistencia es lo más emocionante para mí. Tiene el potencial de permitirnos adaptarnos a la evolución de las células cancerosas e incluso modificar nuestra estrategia de tratamiento».

Sinha y sus colegas utilizaron el aprendizaje por transferencia, una rama de la IA, para crear PERCEPTION.

"Nuestro principal desafío fue la escasez de datos unicelulares provenientes de las clínicas. Los modelos de IA necesitan grandes cantidades de datos para comprender las enfermedades, al igual que ChatGPT necesita enormes cantidades de datos de texto de internet", explica Sinha.

PERCEPTION utiliza datos masivos publicados de expresión génica tumoral para preentrenar sus modelos. Posteriormente, se utilizaron datos a nivel de célula única de líneas celulares y pacientes, aunque limitados, para ajustar los modelos.

PERCEPTION se ha validado con éxito para predecir la respuesta a la monoterapia y la terapia combinada en tres ensayos clínicos independientes, publicados recientemente, sobre mieloma múltiple, cáncer de mama y cáncer de pulmón. En cada caso, PERCEPTION clasificó correctamente a los pacientes en respondedores y no respondedores. En el cáncer de pulmón, incluso registró el desarrollo de resistencia a los fármacos a medida que la enfermedad progresaba, un hallazgo significativo con gran potencial.

Sinha afirma que PERCEPTION aún no está listo para su uso clínico, pero el enfoque demuestra que la información a nivel celular individual puede utilizarse para guiar el tratamiento. Espera fomentar la adopción de la tecnología en las clínicas para generar más datos que permitan seguir desarrollando y mejorando la tecnología para su uso clínico.

"La calidad de la predicción mejora con la calidad y cantidad de los datos en que se basa", afirma Sinha. "Nuestro objetivo es crear una herramienta clínica que pueda predecir de forma sistemática y basada en datos la respuesta al tratamiento en pacientes con cáncer. Esperamos que estos hallazgos impulsen la obtención de más datos y estudios similares en un futuro próximo".