En un estudio de prueba de concepto, investigadores de los Institutos Nacionales de Salud (NIH) de EE. UU. han desarrollado una herramienta de inteligencia artificial (IA) que utiliza datos clínicos rutinarios, como los de un simple análisis de sangre, para predecir si el cáncer de una persona responderá a los inhibidores del punto de control inmunitario, un tipo de fármaco de inmunoterapia que ayuda a las células inmunitarias a eliminar las células cancerosas. El modelo de aprendizaje automático podría ayudar a los médicos a determinar si los fármacos de inmunoterapia son eficaces para tratar el cáncer de un paciente.
El estudio, publicado el 3 de junio de 2024 en Nature Cancer, ha sido dirigido por investigadores del Centro de Investigación del Cáncer del Instituto Nacional del Cáncer (NCI) y del Centro Oncológico Memorial Sloan Kettering de Nueva York. El NCI forma parte de los Institutos Nacionales de Salud.
En la actualidad, la Administración de Alimentos y Medicamentos (FDA) ha aprobado dos biomarcadores predictivos para identificar a los pacientes candidatos al tratamiento con inhibidores de puntos de control inmunitarios. El primero es la carga mutacional tumoral, que es el número de mutaciones en el ADN de las células cancerosas. El segundo es PD-L1, una proteína de las células tumorales que limita la respuesta inmunitaria y es diana de algunos inhibidores de puntos de control inmunitarios. Sin embargo, estos biomarcadores no siempre predicen con exactitud la respuesta a los inhibidores de puntos de control inmunitarios. Algunos modelos recientes que utilizan datos de secuenciación molecular han demostrado ser útiles para predecir la respuesta, pero este tipo de datos son caros de obtener y no se recopilan de forma rutinaria.
El nuevo estudio detalla un tipo diferente de modelo de aprendizaje automático que realiza predicciones basadas en cinco características clínicas que se recogen de forma rutinaria de los pacientes: la edad del paciente, el tipo de cáncer, los antecedentes de terapia sistémica, el nivel de albúmina en sangre y el cociente neutrófilo-linfocito en sangre, un marcador de inflamación. El modelo también tiene en cuenta la carga mutacional del tumor, evaluada mediante paneles de secuenciación. Se construyó y evaluó utilizando datos de múltiples conjuntos de datos independientes que incluían a 2.881 pacientes tratados con inhibidores de puntos de control inmunitarios en 18 tipos de tumores sólidos.
El modelo predijo con exactitud la probabilidad de que un paciente respondiera a un inhibidor de puntos de control inmunitarios y cuánto tiempo viviría, tanto en general como antes de que reapareciera la enfermedad. Los investigadores han señalado que el modelo también fue capaz de identificar a pacientes con una carga mutacional tumoral baja que podían ser tratados eficazmente con inmunoterapia.
Los investigadores han señalado que se necesitan estudios prospectivos de mayor envergadura para seguir evaluando el modelo de IA en entornos clínicos. El modelo de IA, denominado Logistic Regression-Based Immunotherapy-Response Score (LORIS), está disponible públicamente en https://loris.ccr.cancer.gov. La herramienta calcula la probabilidad de que un paciente responda a los inhibidores de puntos de control inmunitarios a partir de los datos de las seis variables descritas anteriormente.
Artículo científico: Chang, TG., Cao, Y., Sfreddo, H.J. et al. LORIS robustly predicts patient outcomes with immune checkpoint blockade therapy using common clinical, pathologic and genomic features. Nat Cancer. 2024. DOI: https://doi.org/10.1038/s43018-024-00772-7
Si te ha gustado esta noticia y quieres aprender más sobre Genética en Medicina, te interesan nuestra formación universitaria, como “Experto Universitario en Oncogenética“ y cursos”.
