Investigadores utilizan datos de expresión génica de alta resolución de células tumorales individuales para afinar la capacidad de una herramienta de IA llamada PERCEPTION para predecir las respuestas a los fármacos.

En un estudio de prueba de concepto, investigadores de los Institutos Nacionales de Salud (NIH) han desarrollado una herramienta de inteligencia artificial (IA) que utiliza datos de células individuales del interior de tumores para predecir si el cáncer de una persona responderá a un fármaco específico. Los investigadores del Instituto Nacional del Cáncer (NCI), que forma parte de los NIH, publicaron su trabajo el 18 de abril de 2024 en Nature Cancer, y sugieren que los datos de secuenciación de ARN unicelular podrían utilizarse algún día para ayudar a los médicos a asignar con mayor precisión a los pacientes con cáncer los fármacos que serán eficaces para su cáncer.

Los métodos actuales de asignación de fármacos a los pacientes se basan en la secuenciación masiva del ADN y el ARN tumorales, que toma una media de todas las células de una muestra tumoral. Sin embargo, los tumores contienen más de un tipo de célula y, de hecho, pueden tener muchos tipos diferentes de subpoblaciones celulares. Las células individuales de estas subpoblaciones se conocen como clones. Los investigadores creen que estas subpoblaciones de células pueden responder de forma diferente a fármacos específicos, lo que podría explicar por qué algunos pacientes no responden a determinados fármacos o desarrollan resistencia a ellos.

A diferencia de la secuenciación masiva, una tecnología más reciente conocida como secuenciación de ARN de células únicas proporciona datos de mucha mayor resolución, hasta el nivel unicelular. El uso de este enfoque para identificar y dirigir clones individuales puede conducir a respuestas farmacológicas más duraderas. Sin embargo, los datos de expresión génica de céluals individuales son mucho más costosos de generar que los datos de expresión génica masiva y aún no están ampliamente disponibles en entornos clínicos.

En el nuevo estudio, los investigadores estudiaron si podían utilizar una técnica de aprendizaje automático denominada aprendizaje por transferencia para entrenar un modelo de inteligencia artificial que predijera las respuestas a los fármacos a partir de datos de secuenciación de ARN masivos ampliamente disponibles, y luego afinar ese modelo utilizando datos de secuenciación de ARN de células individuales. Utilizando este método con datos publicados de líneas celulares procedentes de estudios de fármacos a gran escala, los investigadores crearon modelos de IA para 44 medicamentos contra el cáncer aprobados por la Administración de Alimentos y Medicamentos de EE.UU. (FDA). Los modelos de IA predijeron con exactitud cómo responderían las células individuales tanto a fármacos individuales como a combinaciones de fármacos.

A continuación, los investigadores probaron su método con datos publicados sobre 41 pacientes con mieloma múltiple tratados con una combinación de cuatro fármacos y 33 pacientes con cáncer de mama tratados con una combinación de dos fármacos. Los investigadores descubrieron que si sólo un clon era resistente a un fármaco concreto, el paciente no respondería a ese fármaco, aunque todos los demás clones respondieran. Además, el modelo de IA predijo con éxito el desarrollo de resistencias en datos publicados de 24 pacientes tratados con terapias dirigidas para el cáncer de pulmón no microcítico.

Los investigadores advirtieron de que la precisión de esta técnica mejorará si se generaliza la disponibilidad de datos de secuenciación de ARN de células individuales. Mientras tanto, los investigadores han creado un sitio web de investigación y una guía sobre cómo utilizar el modelo de IA, denominado Personalized Single-Cell Expression-based Planning for Treatments In Oncology (PERCEPTION), con nuevos conjuntos de datos.

Artículo científico: Sinha S, Vegesna R, Mukherjee S, et al. PERCEPTION predicts patient response and resistance to treatment using single-cell transcriptomics of their tumors. Nature Cancer. April 18, 2024. DOI: http://dx.doi.org/10.1038/s43018-024-00756-7

#genetica #geneticamedica #medicinaprecision #inteligenciaartificial #oncogenetica #oncologiadeprecision #RNA #secuenciacion #single-cell

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, como “Medicina Genómica en Oncología y sus aplicaciones clínicas“ o “Oncología de precisión”.