26/12/2022 a las 12:42

CET


El algoritmo, señalan los oncólogos, puede ser muy útil para conocer si un tratamiento puede, o no, provocar una toxicidad importante al paciente y ayudar a los médicos en la toma de decisiones

Si se habla de cáncer, campos como la inteligencia artificial ya permiten a los oncólogos optimizar recursos en el diagnóstico y tratamiento del paciente. Ahora, se abren otras posibilidades: un algoritmo ha demostrado ser útil como herramienta clínica predictiva a las respuestas de los enfermos a la inmunoterapia. Antes de que la tecnología pueda utilizarse clínicamente, deben confirmarse los hallazgos, explica a EL PERIÓDICO DE ESPAÑA, del grupo Prensa Ibérica, el doctor Pedro Pérez Segura, y jefe del Servicio de Oncología Médica del Hospital Universitario Clínico San Carlos de Madrid. El algoritmo, aclara, puede ser muy útil para conocer si un tratamiento (en este caso inmunoterapia) puede, o no, provocar una toxicidad importante al paciente y ayudar a los médicos en la toma de decisiones.

El doctor Pérez Segura es coordinador científico de la plataforma de publicaciones Oncomedic, que ha recogido las conclusiones de un nuevo estudio de investigadores del Johns Hopkins Cancer Center y el Bloomberg Kimmel Institute for Cancer Immunotherapy de Estados Unidos que han trabajado con éxito un algoritmo de inteligencia artificial para predecir qué pacientes con melanoma responderían al tratamiento y cuáles no. El programa es el DeepTCR y ha mostrado su validez como herramienta clínica predictiva, además de enseñar a los científicos los mecanismos biológicos subyacentes a las respuestas de los pacientes a la inmunoterapia.

Para los investigadores,lo más interesante fue ver lo que el modelo aprendió sobre la respuesta del sistema inmunitario a la inmunoterapia.

John-William Sidhom, primer autor del estudio, ha explicado que lo más interesante fue ver lo que el modelo aprendió sobre la respuesta a la inmunoterapia. «Ahora podemos explotar esa información para desarrollar modelos más sólidos y, posiblemente, mejores enfoques de tratamiento para muchas enfermedades, incluso aquellas fuera de la oncología», ha señalado el científico. Según detallan desde desde Oncomedic, la revista Science Advances ya publicó un resumen de la investigación en el que se observa que DeepTCR usa una forma concreta de inteligencia artificial para reconocer patrones en grandes volúmenes de datos. En este caso, los datos son las secuencias de aminoácidos de proteínas, llamadas receptores de células T (TCR, en sus siglas en inglés). 

Según se detalla en la investigación de los científicos norteamericanos, los TCR se asientan en el exterior de las células T del sistema inmunitario, esperando ser atacados por una proteína de un enemigo (cáncer, bacterias o virus). Son como cerraduras que sólo se pueden abrir con una única llave. El exterior de la célula T está repleto de muchos TCR, pero todos son idénticos y se abren con la misma llave enemiga, describen los investigadores. Sin saber qué enemigos están presentes, muchas células T diferentes deambulan por el cuerpo. Cuando se activa un TCR, su célula T libera moléculas para matarlos y se clona a sí misma para fortalecer la respuesta.

CONFIRMAR LOS HALLAZGOS

El ensayo desgrana que algunas células tumorales desarrollan formas de bloquear la respuesta de las células T, aunque los TCR se hayan activado. Los actuales tratamientos de inmunoterapia -conocidos como inhibidores de puntos de control-, consisten en proteínas que bloquean esta capacidad en los tumores, lo que hace que las células T respondan al cáncer. Sin embargo, estos medicamentos sólo ayudan a una minoría de pacientes.

Los investigadores deben confirmar estos hallazgos en una población de pacientes más amplia antes de que el algoritmo pueda usarse clínicamente para guiar una terapia.

El programa ayudaría a predecir la respuesta a la inmunoterapia en los enfermos pero, advierte el doctor Pérez Segura, a pesar de las conclusiones tan prometedoras de este estudio, los investigadores deben confirmar estos hallazgos en una población más amplia antes de que el algoritmo pueda usarse clínicamente para guiar una terapia. Porque, explica, la implantación de este tipo de tecnologías es un campo en el que se está trabajando mucho a nivel europeo, pero, por ahora y fundamentalmente, en diagnóstico o aquello que tiene que ver con perfiles moleculares. «En diagnóstico, la inteligencia artificial lo que se hace es enseñar a las máquinas, con una cantidad gigantesca de imágenes y datos, a que aprendan a discernir un aspecto u otro que a nosotros nos interesa para manejar a un paciente«.

«Una máquina de este tipo va a ver en días millones de veces más imágenes de un ser humano que un médico puede ver a lo largo de su vida», asegura el especialista.

Cita un ejemplo: «Los coches Tesla no atropellan a la gente porque se les ha metido en su memoria millones y millones de imágenes de lo que es un ser humano y para que, cuando vean algo parecido, paren y no sigan. Esto es similar: cuando queremos diagnosticar una imagen radiológica lo que se hace es enseñar a la máquina a diferenciar un tumor de otras lesiones que no lo son. Una máquina de este tipo va a ver en días millones de veces más imágenes de un ser humano que un médico puede ver a lo largo de toda su vida. Al final, lo que hacemos es discernirlo y eso, con situaciones más fáciles y otras más complejas, lleva a un porcentaje de acierto muy alto«. Por tanto, indica, la mayoría de las investigaciones con IA se están centrando en diagnóstico radiológico: mamografía, radiología torácica, lesiones cutáneas…

Predecir la toxicidad

Además, añade el médico, se está intentando «coger todo eso, lo que es el Big Data -es decir, los datos de miles y miles de pacientes- para intentar responder a preguntas cómo qué personas pueden responder mejor a un medicamento, qué pacientes van a tener más toxicidad, etc». Lo que se hace realmente es utilizar datos clínicos de la situación del paciente, la medicación que toma, datos del tumor (tipo, estadio…); las analíticas que se le van haciendo y las pruebas de imagen y, con eso, «intentar encontrar perfiles o variables que permitan discernir qué pacientes tienen más posibilidad de responder», en este caso a la inmunoterapia.

Actualmente, añade, «no existe ninguna herramienta validada» en esta dirección, pero «existen muchos proyectos en distintos países que están trabajando este tema y es esperable que, en breve, tengamos datos que nos permitan poder utilizarlo como una ayuda». Se explica: «Si tú tienes un paciente que no tienes muy claro hasta qué punto un tratamiento puede provocarle una toxicidad importante y tienes, a lo mejor, otras opciones terapéuticas, este programa te puede ayudar a predecir. Y decirte si el riesgo de toxicidad es del 80%; o no, es de un 20%, por ejemplo».

Insiste en que son herramientas que ayudarán a los médicos «en la toma de decisiones, porque no puedes dejar de usar un tratamiento porque tengas una aproximación». Por tanto, incide, son perspectivas de un futuro muy cercano. Ensayos como el de Estados Unidos, concluye, contribuirán a tener más respuestas.

Source link

DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí