El aprendizaje automático -la utilización de la inteligencia artificial (IA) por medio de ordenadores- puede utilizarse para asignar a un paciente con cáncer la mejor inmunoterapia.
Este proceso -que utiliza modelos matemáticos de datos para ayudar a un ordenador a aprender sin instrucciones directas y a seguir aprendiendo y mejorando por sí mismo en función de la experiencia- puede ahora ayudar a los oncólogos a decidir qué tratamiento específico debe utilizarse.
Los especialistas en cáncer no son los únicos que quieren saber esto, sino también las organizaciones de mantenimiento de la salud y las compañías privadas de seguros médicos. Y es que la inmunoterapia o bioterapia -que ayuda al sistema inmunitario a luchar contra el cáncer utilizando glóbulos blancos, órganos y tejidos del sistema linfático- es muy cara.
El estudio
Ahora, un nuevo estudio realizado por la profesora Keren Yizhak, de la Facultad de Medicina Rappaport del Instituto Tecnológico Technion-Israel de Haifa, utiliza la IA para crear un método sencillo y barato de responder a esta pregunta para cada paciente.
Sus hallazgos se han publicado recientemente con el título “Estimating tumor mutational burden from RNA-sequencing without a matched-normal sample” en la prestigiosa revista Nature Communications y han sido seleccionados para aparecer en la página web “Editor’s Highlights” sobre el cáncer.
El estudio fue dirigido por el Dr. Rotem Katzir y el estudiante de licenciatura Noam Rudberg, ambos de la Facultad de Informática Taub.
La inmunoterapia es un avance reciente en el mundo de los tratamientos contra el cáncer y ha conseguido que pacientes a los que no se podía ayudar por otros medios alcancen la remisión completa. Además, reduce muchos de los efectos secundarios de la quimioterapia.
Existen numerosos tratamientos inmunoterapéuticos, pero se diferencian del nuevo estudio porque el principio bajo el que operan todos es la estimulación del sistema inmunitario del paciente para que ataque las células tumorales.
¿Cómo distingue el sistema inmunitario entre las células cancerosas que debe atacar y las células sanas del organismo? Cuantas más mutaciones haya acumulado el tumor, más se diferencia de las células “normales” y, por tanto, la inmunoterapia puede ser más eficaz. Esta característica se denomina carga de mutación tumoral. Una TMB más alta significa más mutaciones nuevas. El método de Yitzhak simplifica considerablemente su medición.
Actualmente, la TMB se mide tomando células del tumor y comparando su ADN con el de las células sanas del paciente. Yizhak y su equipo proponen introducir dos cambios en este proceso.
El primer cambio, ya explorado en un artículo publicado anteriormente por el grupo, consiste en comparar las moléculas de ARN en lugar de las de ADN. Esto supone una diferencia porque las moléculas de ADN contienen la totalidad del genoma humano, mientras que las de ARN son pequeñas partes del código genético que se copian para ser utilizadas como instrucciones dentro de la célula. En su estudio anterior, el grupo demostró que las moléculas de ARN también pueden utilizarse para identificar mutaciones específicas del cáncer.
¿Qué significa todo esto?
Su descubrimiento es importante porque elimina la necesidad de comparar el ARN del tumor con el ADN de las células sanas.
Como resultado, es necesario secuenciar una menor cantidad de material genético, lo que permite someter al paciente a un procedimiento menos. En lugar de comparar el material genético del tumor con el material genético sano del propio paciente, desarrollaron un algoritmo de aprendizaje automático que fue entrenado para reconocer las aberraciones del genoma sano y distinguirlas de la variación natural que existe entre las personas.
En segundo lugar, utilizando estas predicciones, fueron capaces de calcular una métrica de TMB basada en el ARN. De hecho, este método resultó ser más eficaz que el método estándar para estimar la eficacia prevista de la inmunoterapia para un determinado paciente. Se cree que esto es así porque el ARN contiene las partes del genoma que están en uso constante y que, por tanto, pueden iniciar una respuesta inmunitaria. Las mutaciones en las partes del genoma que no se utilizan tienen menos probabilidades de afectar al funcionamiento de la célula.
El desarrollo del algoritmo fue posible gracias a la utilización de una gran base de datos existente en la que se pudo entrenar al ordenador en relación con el ARN secuenciado de pacientes con cáncer. El laboratorio de Yizhak es en realidad un laboratorio computacional “seco” -en lugar de uno con tubos de ensayo y demás parafernalia para experimentar con sustancias reales- que aprovecha las grandes cantidades de datos clínicos recogidos por la comunidad científica de todo el mundo para hacer nuevos descubrimientos y desarrollar nuevas herramientas para ayudar a los pacientes.
