Cáncer: un modelo de inteligencia artificial podría ayudar a determinar el origen de los tumores

Tumores cancerígenos, cáncer, salud, medicina

Para bien o para mal, la inteligencia artificial llegó para revolucionar al mundo. Esta nueva tecnología se implantó con fuerza en todos los ámbitos, entre los que se encuentra la medicina. El cáncer es la principal causa de muerte en el mundo. Muchas veces los médicos no pueden determinar donde se originó el tumor, por lo que elegir el tratamiento adecuado se convierte en un verdadero acertijo.

En esta línea, investigadores del MT y el Instituto del Cáncer Dana-Farber desarrollaron un nuevo método para facilitar la identificación de los sitios de origen de los “enigmáticos” cánceres. Para llevar a cabo este estudio, se utilizó el aprendizaje automático para crear, de esta manera, un modelo computacional capaz de analizar la secuencia de unos 400 genes y usar esa información para predecir dónde se originó un tumor.

Los expertos demostraron que era posible clasificar al menos 40% de los tumores de origen desconocido con alta confianza, en un conjunto de datos de alrededor de 900 pacientes. Este nuevo hallazgo puede servir para identificar rápidamente el origen y atacar de una manera más eficaz al tumor, reduciendo el riesgo de sufrir daños mayores.

Estudian un modelo de inteligencia artificial que ayuda a determinar el origen de los tumores. Foto: Unsplash.

“Ese fue el hallazgo más importante de nuestro artículo, que este modelo podría usarse potencialmente para ayudar en las decisiones de tratamiento, guiando a los médicos hacia tratamientos personalizados para pacientes con cánceres de origen primario desconocido”, explicó Intae Moon, estudiante de posgrado en ingeniería eléctrica y tecnología del MIT, autor principal del nuevo estudio publicado en Nature Medicine.

Te puede interesar:

Alerta glifosato: un estudio reveló que este herbicida puede aumentar el riesgo de contraer cáncer de próstata

Cánceres de origen primario desconocido

El cáncer de origen primario desconocido (CUP) o cáncer de origen primario oculto se da cuando se encuentra cáncer en una o más localizaciones metastásicas, pero el lugar primario no puede ser determinado. Esto ocurre en una pequeña porción de cánceres.

Esta falta de datos en lo que respecta al origen dificulta el tratamiento, ya que los médicos no pueden dar a los pacientes medicamentos de “precisión”, los cuales suelen estar aprobados para tipos de cáncer específicos.

Las personas con cánceres de origen primario desconocido tienen opciones de tratamiento limitadas. Foto: Unsplash.

“Una cantidad considerable de personas desarrollan estos cánceres de origen primario desconocido cada año, y debido a que la mayoría de las terapias se aprueban en un sitio específico, en el que debe conocer el sitio primario para aplicarlas, tienen opciones de tratamiento muy limitadas”, explicó Alexander Gusev, profesor asociado de medicina en la Escuela de Medicina de Harvard y el Instituto del Cáncer Dana-Farber, que también es el autor principal del paper científico.

Te puede interesar:

¿El microondas causa cáncer?: esto dicen las investigaciones más recientes

Usar la inteligencia artificial en la lucha contra el cáncer

Los expertos del Laboratorio de Ciencias de la Computación e Inteligencia Artificial analizaron los datos genéticos que se recopilaron de forma rutinaria en Dana-Farber para ver si podrían usarse para predecir el tipo de cáncer. Estos datos consisten en secuencias genéticas de unos 400 genes que a menudo están mutados en el cáncer.

Los investigadores entrenaron un modelo de aprendizaje automático con datos de casi 30.000 pacientes a los que se les había diagnosticado uno de los 22 tipos de cáncer conocidos. Con estos datos, se puso a prueba el modelo resultante en aproximadamente 7.000 tumores que no se habían visto antes, pero cuyo sitio de origen era conocido.

Ese modelo, al cual los investigadores llamaron OncoNPC, pudo predecir sus orígenes con un 80% de precisión. Por su parte, para los tumores con predicciones de alta confianza, que constituían alrededor del 65% del total, su precisión aumentó a aproximadamente el 95%.

Cáncer. Foto: archivo

Tras obtener estos esperanzadores resultados, los investigadores usaron el modelo para analizar un conjunto de aproximadamente 900 tumores de pacientes con CUP, todos de Dana-Farber. De esta forma, descubrieron que para el 40% de estos tumores, el modelo podía hacer predicciones de alta confianza.

Te puede interesar:

La medicina del futuro: nanorobots controlados por IA que ahogan y matan las células cancerígenas

Decisiones sobre medicamentos

Para darle aún más validez a las predicciones del modelo, los expertos compararon los datos sobre el tiempo de supervivencia de los pacientes con CUP con el pronóstico típico para el tipo de cáncer que predijo el modelo.

Así fue como descubrieron que los pacientes con CUP, en los que la tecnología predijo que tendrían cáncer con un mal pronóstico, como el cáncer de páncreas, mostraron tiempos de supervivencia más cortos. Mientras tanto, los pacientes con CUP que se predijo que tendrían cánceres con mejores pronósticos, como los tumores neuroendocrinos, tuvieron tiempos de supervivencia más prolongados.

Además, se puso atención en los tipos de tratamientos que habían recibido los pacientes con CUP analizados en el estudio. Alrededor del 10% de estos pacientes habían recibido un tratamiento dirigido, según la mejor suposición de sus oncólogos sobre dónde se había originado su cáncer. Entre esos pacientes, aquellos que recibieron un tratamiento consistente con el tipo de cáncer que el modelo predijo para ellos obtuvieron mejores resultados que los pacientes que recibieron un tratamiento típicamente dado para un tipo de cáncer diferente al que el modelo predijo para ellos.

Gracias a este modelo se puede identificar el origen de los tumores. Foto: Unsplash.

Utilizando este modelo, los investigadores también identificaron un 15% adicional de pacientes que podrían haber recibido un tratamiento dirigido existente, si se hubiera conocido su tipo de cáncer. “Eso potencialmente hace que estos hallazgos sean más procesables clínicamente porque no estamos requiriendo que se apruebe un nuevo medicamento. Lo que estamos diciendo es que esta población ahora puede ser elegible para tratamientos de precisión que ya existen”, dijo Gusev.