Nuevo modelo radiómico basado en inteligencia artificial para la predicción de la respuesta a la inmunoterapia en cáncer
Por Mar Benito MSc – Linkedin
Uno de los retos actuales en cáncer es identificar a los pacientes que responderán a la inmunoterapia. Los marcadores que existen hasta ahora son imperfectos y ofrecen resultados variables según el tipo de tumor. Se acaba de publicar un estudio en la revista Radiology en el que se ha desarrollado y validado un nuevo modelo radiológico basado en la aplicación de modelos de inteligencia artificial en imágenes de tomografía computerizada (TC) antes del tratamiento.
Se ha visto que la herramienta es capaz de predecir la respuesta a los tratamientos con fármacos inmunoterápicos anti-PD-1 y PD-L1 con una gran sensibilidad en tumores sólidos. Se obtuvo una sensibilidad del 85% en pacientes con cáncer de vejiga y del 76% en pacientes con cáncer de pulmón. La sensibilidad del test muestra su potencial para identificar a los pacientes que se beneficiarán de la inmunoterapia.
Este nuevo desarrollo se ha basado en el análisis de imágenes de tumores obtenidas mediante TC antes de empezar el tratamiento. Mediante modelos de inteligencia artificial se pueden establecer asociaciones entre las imágenes y los perfiles moleculares relacionados con la respuesta inmune. Según la investigadora principal, la cantidad de información que se puede extraer de las imágenes de TC mediante inteligencia artificial es muchísimo más grande que la que puede obtener un experto a simple vista. De esta manera se ha obtenido un score predictivo de la eficacia de la inmunoterapia en los pacientes. Además, esta técnica no invasiva permitirá un seguimiento de la progresión de todo el tumor, y no solo en las zonas biopsiadas.
El futuro de la medicina de precisión pasa por la recopilación de toda la información obtenida de plataformas donde se combinan el análisis de genes (genómica), proteínas (proteómica), metabolitos (metabolómica), imágenes radiográficas (radiómica), etc., para obtener una foto lo más personalizada posible y así poder tomar la mejor decisión y ajustar el tratamiento, para ofrecer el mayor beneficio posible a los pacientes en cada estadio de progresión de su tumor.
Fuente: VHIO – Vall d’Hebron Institute of Oncology
