Uso de la IA para crear una prueba mejor que prediga la progresión del cáncer de páncreas

Si padece cáncer de páncreas, probablemente esté familiarizado con el análisis de sangre del marcador tumoral CA 19-9, que mide los niveles de actividad tumoral.

Aunque resulta útil de alguna manera para predecir la progresión del cáncer de páncreas, algunas personas no producen el antígeno que mide la prueba CA 19-9. Lo que se necesita desde hace tiempo es un mejor análisis de sangre para seguir la evolución de la enfermedad.

Un equipo de investigación dirigido por el Dr. Theodorescu, Ph.D., director de Cedars-Sinai Cancer en Los Ángeles, California, está usando la inteligencia artificial (IA) para hacer justamente eso. En un estudio publicado en enero de 2024 en la revista médica Nature Cancer, el equipo de Theodorescu presentó un enfoque de inteligencia artificial y medicina de precisión, bautizado Molecular Twin Precision Oncology Platform, MT-POP para abreviar. La tecnología identificó biomarcadores que parecen ser superiores a la CA 19-9, la única prueba de cáncer de páncreas aprobada por la Administración de Alimentos y Medicamentos para predecir la supervivencia de esta enfermedad.

La importancia de la medicina de precisión

Ya en 2015, el entonces presidente Barack Obama anunció la puesta en marcha de la Iniciativa sobre Medicina de Precisión (PMI). Casi una década después, ese innovador esfuerzo investigador ha cambiado la forma de tratar muchas enfermedades, especialmente el cáncer. En la actualidad, los pacientes con cáncer de mama o pulmón, o melanoma, se han beneficiado enormemente de un enfoque de medicina de precisión. También se están produciendo avances en el cáncer de páncreas a medida que los científicos van comprendiendo mejor la compleja biología inherente a la enfermedad.

Ya de niño, cuando crecía en Rumanía, la compleja biología del cáncer fascinaba a Theodorescu, también catedrático distinguido de la PHASE ONE Foundatoin en el Cedars-Sinai. “Desde muy joven supe que quería dedicarme a la investigación del cáncer, así que aprendí todo lo que pude”, afirma. “Leía y veía documentales y desarrollé un verdadero amor por la medicina, las matemáticas, la ciencia y la tecnología”. Para una enfermedad como el cáncer de páncreas, así como para otras neoplasias malignas muy letales, desentrañar los misterios de su biología reuniendo a expertos de muchas disciplinas diferentes conducirá en última instancia a mejores tratamientos. Y lo que es igual de importante, permitirá determinar más rápidamente qué tratamientos funcionan mejor para cada paciente, añade Theodorescu.

La elección inicial del cáncer de páncreas para estudiar la validez de la plataforma se basó en parte en el problema muy real de que demasiados pacientes se someten a un tratamiento que puede no ser la mejor opción para su cáncer individual. “El cáncer de páncreas es muy difícil de tratar, pero estamos logrando avanzar”, explica. “Todavía hoy la cirugía es la única cura posible para la enfermedad y, sin embargo, muchas personas no se benefician de lo que es un procedimiento muy difícil para el paciente. Necesitamos una forma de determinar con mucha seguridad quién puede beneficiarse y quién no. Y si un paciente no se va a beneficiar del procedimiento, hay que ofrecerle urgentemente la inscripción en un ensayo clínico, que puede darle la esperanza de una supervivencia más larga”.

Acerca del estudio Molecular Twin

En el estudio, los investigadores realizaron el análisis utilizando muestras de plasma y tejido tumoral de 74 pacientes con cáncer de páncreas en estadio I o II que podía extirparse quirúrgicamente. Realizaron “perfiles multiómicos” del tumor y del paciente que incluían secuenciación de nueva generación del ADN y secuenciación del transcriptoma completo del ARN, proteómica tisular, proteómica plasmática, lipidómica, patología computacional y todos los datos demográficos habituales del paciente para generar datos clínicos, genéticos y moleculares individuales. El siguiente paso fue aplicar enfoques de IA y aprendizaje automático a estos datos holísticos para determinar qué conjunto de paneles de biomarcadores predecía mejor la supervivencia después de la cirugía.

Un modelo que combinaba 6,363 puntos de datos biológicos diferentes predijo con exactitud la supervivencia de la enfermedad en el 87 % de los pacientes. Yendo un paso más allá, el equipo utilizó la IA para crear un modelo de 589 puntos de datos que funcionó casi igual de bien. Los hallazgos se validaron en conjuntos de datos independientes de The Cancer Genome Atlas, Massachusetts General Hospital (Boston) y Johns Hopkins University (Baltimore, Maryland).

Tras una investigación más profunda, los investigadores demostraron que, de todas las tecnologías de perfilado utilizadas, la evaluación de las proteínas detectadas en la sangre era el mejor factor pronóstico individual de la supervivencia del cáncer de páncreas. “La información genética es muy útil y muy importante para determinar el riesgo individual de que un paciente presente cáncer, y lo vemos en el cáncer de páncreas”, señala Theodorescu. “Pero lo que estamos demostrando aquí es que sus proteínas pueden ser la mejor manera de determinar si un paciente sobrevive utilizando un enfoque sencillo y rentable”.

Un componente vital para desarrollar un mejor modelo predictivo es no considerar el cáncer de forma aislada. Por el contrario, Theodorescu lleva mucho tiempo planteando la hipótesis de que el mejor modelo de predicción tendría en cuenta algo más que el tipo de tumor y tendría que incorporar información sobre el paciente. “El enfermo de cáncer no es un cáncer con patas. Es un cuerpo que responde a un invasor genéticamente diferente”, afirma. “Así que me di cuenta de que faltaba algo, bien en el tumor o en la reacción del huésped al tumor. Para obtener el mejor modelo predictivo necesitamos más información del cáncer y más información del huésped… para contemplar el problema de forma holística. Y eso es lo que nos ofrece la plataforma de oncología de precisión Molecular Twin”.

Los modelos de predicción del comportamiento del cáncer o de la respuesta a la terapia pueden mejorarse porque pacientes aparentemente idénticos pueden tener resultados diferentes, añade Theodorescu. “No hay dos tumores iguales ni dos pacientes iguales. Lo que hicimos fue tomar pacientes que tenían el mismo tipo de cáncer, que era cáncer de páncreas, y que se encontraban en estadios similares y habían recibido el mismo tratamiento. Y lo que hicimos fue demostrar que observar el cáncer y el huésped juntos, de forma holística, dará mejores predicciones”.

En un informe de investigación que acompaña al estudio publicado por Emma Lundberg, Ph.D., profesora asociada de bioingeniería y patología de Stanford University (Palo Alto, California) escribió: “El estudio presentado demuestra un gran potencial para utilizar enfoques multiómicos en la predicción de resultados terapéuticos en el adenocarcinoma ductal de páncreas. Los autores han demostrado que confiar en el CA 19-9 como marcador predictivo de los resultados del tratamiento no es óptimo. En cambio, el uso de sus firmas previstas puede ofrecer mayores ventajas a la hora de evaluar la eficacia del tratamiento. El estudio subraya la superioridad de incorporar fuentes de datos multiómicos para predecir la supervivencia de la enfermedad en comparación con basarse únicamente en los aportes de un solo analito ómico”.

De cara al futuro, la plataforma de oncología de precisión Molecular Twin se estudiará de forma prospectiva con cohortes más amplias de pacientes, así como en otros tipos de cáncer. “Es IA, y esta plataforma puede entrenarse para predecir prácticamente todos los tratamientos y desenlaces clínicos”, afirma Theodorescu. “Y puesto que puede hacer eso, la esperanza es que con el tiempo podamos asignar al paciente el mejor tratamiento inicial y luego los mejores tratamientos posteriores”. 

La plataforma y sus usos seguirán ampliándose, explica Theodorescu. Los investigadores están añadiendo datos de otros pacientes y ampliando sus actividades para incluir otros tipos de datos, como imágenes médicas y muestras del microbioma intestinal, entre otros.

Tiene esperanzas sobre los usos futuros de la tecnología. “Decir que estoy emocionado es quedarse corto”, afirma. “Lo que realmente queremos es crear pruebas que puedan utilizarse en todas partes, no solo en los grandes centros médicos académicos. El mundo es muy grande y no todos tienen acceso a recursos y tecnologías avanzadas. Esta plataforma puede ayudar a llevar la oncología de precisión a todas las personas… a democratizar el proceso”.