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

Con más de 200 tipos de cáncer y cada caso único individualmente, los esfuerzos en curso para desarrollar tratamientos oncológicos de precisión siguen siendo un desafío. La atención se centra en el desarrollo de pruebas genéticas para identificar mutaciones en los genes causantes del cáncer y en identificar tratamientos adecuados contra estas mutaciones.

Sin embargo, muchos, si no la mayoría, de los pacientes con cáncer no se benefician significativamente de estas terapias dirigidas tempranas. En el nuevo estudio, publicado en Nature Cancer, el primer autor Sanju Sinha, Ph.D., profesor asistente en el Programa de Terapéutica Molecular en 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 Salud (NIH), y sus colegas describen un sistema computacional único para predecir sistemáticamente el paciente. Respuesta a los medicamentos contra el cáncer a nivel unicelular.

Llamado Planificación de tratamiento personalizada en oncología basada en la expresión de transcripción unicelular (PERCEPTION), el nuevo enfoque basado en inteligencia artificial profundiza en el estudio de la transcriptómica: el estudio de los factores de transcripción, las moléculas de ARNm que se expresan mediante genes y se traducen. Información del ADN en acción.

"Un tumor es un organismo complejo y en constante cambio. El uso de la resolución unicelular nos permite resolver ambos problemas", dice Sinha. "PERCEPTION permite el uso de información rica de la omexis unicelular para comprender la arquitectura clonal del tumor y monitorear la aparición de resistencia". (En biología, omexis se refiere a la suma de los constituyentes dentro de una célula).

Sinha dice: "La capacidad de monitorear la aparición de resistencia es la parte más emocionante para mí. Esto tiene el potencial de permitirnos adaptarnos a la evolución de las células cancerosas e incluso cambiar nuestra estrategia de tratamiento".

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

"Nuestro principal desafío fue la limitación de datos a nivel de células 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 publicados sobre expresión genética de tumores para preparar previamente sus modelos. A continuación, se utilizaron datos a nivel unicelular de líneas celulares y pacientes, aunque limitados, para ajustar los modelos.

PERCEPTION se validó con éxito para predecir la respuesta a la monoterapia y la terapia combinada en tres ensayos clínicos independientes publicados recientemente en mieloma múltiple, cáncer de mama y cáncer de pulmón. En cada caso, PERCEPTION estratificó correctamente a los pacientes en respondedores y no respondedores. En el caso del cáncer de pulmón, incluso documentó el desarrollo de resistencia a los medicamentos a medida que avanza la enfermedad, lo cual es un descubrimiento significativo con un gran potencial.

Sinha dice que PERCEPTION aún no está listo para su uso en la clínica, pero el enfoque muestra que la información a nivel unicelular se puede utilizar para guiar el tratamiento. Espera fomentar la adopción de esta tecnología en las clínicas para generar más datos que puedan usarse para desarrollar y mejorar aún más la tecnología para uso clínico.

“La calidad de los pronósticos mejora con la calidad y cantidad de datos en los que se basan”, dice Sinha. "Nuestro objetivo es crear una herramienta clínica que pueda predecir de forma sistemática y basada en datos la respuesta al tratamiento en pacientes individuales con cáncer. Esperamos que estos hallazgos estimulen más datos y estudios similares en un futuro próximo".