Aplicación de la IA y mejora del pronóstico en cáncer de ovario
El cáncer de ovario epitelial (COE) es el sexto cáncer más común en mujeres en el Reino Unido y tiene la tasa de mortalidad más alta de todos los cánceres ginecológicos, con una tasa de supervivencia a cinco años del 35%. Dentro de este tipo de tumores el subtipo más frecuente de COE es el “cáncer seroso de alto grado” (HGSOC), que representa el 70% de los tumores ováricos.
Por lo general, el diagnóstico no se realiza hasta que los síntomas son evidentes.
Los estudios genómicos han descubierto varios biomarcadores que sirven para indicar la resistencia a la quimioterapia, así como los estudios con microARN. Sin embargo, todavía son un reto este tipo de tumores, debido a la heterogeneidad intratumoral.
El diagnóstico, en la actualidad, implica un análisis de sangre para detectar el biomarcador CA125 y tomografías computarizadas para proporcionar una vista detallada del tumor. Pero lo que no pueden hacer estas pruebas es predecir los resultados generales o la efectividad de las diferentes opciones terapéuticas.
Investigadores del Imperial College of London y la Universidad de Melbourne han desarrollado un software de inteligencia artificial que puede predecir con mayor precisión el pronóstico de estos tumores e indicar los tratamientos con más probabilidad de éxito.
La nueva herramienta, denominada TEXLab, utiliza el aprendizaje automático para evaluar tumores ováricos basándose en un análisis detallado de cuatro características biológicas: estructura, forma, tamaño y composición genética. Los resultados se generan como una puntuación que indica la gravedad y el pronóstico probable.
En el ensayo se utilizaron las tomografías de 364 pacientes junto con la expresión de proteínas y perfiles genómicos. Los resultados indicaron que la puntuación fue hasta cuatro veces más precisa para predecir la muerte por cáncer de ovario que las pruebas actuales. Los datos indican que para el 5% de pacientes con RPV alto la tasa de supervivencia era inferior a dos años y estaba relacionado de una manera similar con la resistencia del tumor a la quimioterapia.
Todos estos datos parecen confirmar que este sistema, muy rápido en generar resultados podría representar un biomarcador válido de pronostico y por tanto de selección de tratamientos.
