Un modelo basado en inteligencia artificial es capaz de predecir el resultado de la terapia (medido por la reducción volumétrica de las lesiones tumorales) en el 80% de las pacientes con cáncer de ovario. El modelo basado en IA tiene una precisión significativamente mejor que los métodos clínicos actuales.
La herramienta, denominada IRON (Radiogenómica Integrada para la Terapia Neoadyuvante Ovárica), analiza diversas características clínicas de los pacientes, desde el ADN tumoral circulante en la sangre (biopsia líquida) hasta características generales (edad, estado de salud, etc), marcadores tumorales e imágenes de enfermedades. obtenidos a través de tomografías computarizadas. Sobre la base de este análisis, proporciona una predicción de la probabilidad de éxito de la terapia.
Existen pocos biomarcadores clínicamente útiles para el cáncer de ovario seroso de alto grado debido a su alta heterogeneidad
Este logro surge de un estudio reciente publicado en Nature Communications, realizado en 134 pacientes con cáncer de ovario de alto grado. El estudio fue coordinado por el profesor Evis Sala, catedrático de Diagnóstico por Imágenes y Radioterapia de la Facultad de Medicina y Cirugía de la Universidad Católica y director del Centro de Radiología Avanzada del Policlínico Universitario A. Gemelli IRCCS. El modelo de IA fue desarrollado inicialmente por el equipo del profesor Sala de la Universidad de Cambridge.
El cáncer de ovario afecta anualmente a más de cinco mil mujeres en Italia, sumándose a las treinta mil pacientes que ya han recibido un diagnóstico. Debido a la falta de síntomas tempranos específicos, el diagnóstico suele ocurrir en etapas avanzadas de la enfermedad. El carcinoma de ovario seroso de alto grado, que constituye del 70 al 80% de los tumores de ovario, es particularmente agresivo y con frecuencia resistente a la quimioterapia. Actualmente, la predicción de la respuesta al tratamiento para este tipo de tumor tiene sólo un 50% de precisión.
Una herramienta basada en la inteligencia artificial
Además, existen pocos biomarcadores clínicamente útiles para este tipo de cáncer debido a su alta heterogeneidad, que varía significativamente de un paciente a otro. Esto llevó al desarrollo de una herramienta basada en inteligencia artificial capaz de predecir con precisión los pacientes que responden a la quimioterapia.
«Recopilamos dos conjuntos de datos independientes con un total de 134 pacientes (92 casos en el primer conjunto de datos, 42 en el segundo conjunto de pruebas independientes)«, explican el profesor Sala y la doctora Mireia Crispin Ortúzar, de Cambridge. Para todos los pacientes, los médicos recopilaron datos clínicos, incluida información demográfica y detalles del tratamiento, así como biomarcadores sanguíneos como CA-125 y ADN tumoral circulante (ctDNA). También se obtuvieron las características cuantitativas del tumor derivadas de imágenes de tomografía computarizada de todos los sitios del tumor primario y metastásico.
Un ingente número de datos de entrada
Las localizaciones omental y pélvica/ovárica (comunes en la diseminación del cáncer de ovario) representaron inicialmente la mayor parte de la carga de enfermedad. Los depósitos omentales mostraron una respuesta significativamente mejor a la terapia neoadyuvante en comparación con la enfermedad pélvica. Las mutaciones tumorales (p. ej., TP53 MAF evaluadas en el ADN circulante) y el marcador CA-125 se correlacionaron con la carga general de enfermedad antes del tratamiento y la respuesta a la terapia.
Además, el análisis avanzado de las imágenes de tomografía computarizada reveló seis subgrupos de pacientes con características biológicas y clínicas distintas, indicativas de la respuesta al tratamiento. Todas estas características del tumor se utilizaron como datos de entrada para algoritmos de inteligencia artificial que en conjunto forman la herramienta. Luego se entrenó el modelo desarrollado y se validó su eficacia en una muestra de pacientes independiente.
Esta herramienta aborda una necesidad insatisfecha de identificar a las pacientes que probablemente no respondan a la terapia inicial y necesiten una intervención quirúrgica
«Desde una perspectiva clínica, el marco propuesto aborda la necesidad insatisfecha de identificar a las pacientes que probablemente no respondan a la terapia neoadyuvante y puedan ser dirigidos a una intervención quirúrgica inmediata«, enfatiza el profesor Sala.
«La herramienta podría aplicarse para estratificar el riesgo de cada paciente individual en futuras investigaciones clínicas realizadas en el Policlínico Gemelli en colaboración con el equipo del profesor Giovanni Scambia, catedrático de Ginecología y Obstetricia de la Facultad de Medicina y Cirugía de la Universidad Católica y director científico de Fundación Policlínico Universitario Agostino Gemelli IRCCS«, concluye el profesor Sala.
Fuente: Nature Communications.
