BRIDGE analiza el perfil genético de cada tumor para estimar su composición molecular y anticipar si responderá a la quimioterapia neoadyuvante, con resultados validados en 24 cohortes independientes
Un equipo de investigadores del National Cancer Institute de los Institutos Nacionales de Salud (NIH, en inglés), el Cedars-Sinai Medical Center y otras instituciones de Estados Unidos, Europa y Asia desarrolló BRIDGE (BReast Intra-tumoral Deconvolution of Gene Expression), un marco computacional diseñado para predecir la respuesta al tratamiento neoadyuvante en cáncer de mama a partir del análisis del perfil de expresión génica del tumor antes de iniciar la terapia. El estudio fue aceptado para publicación en Annals of Oncology.
El tratamiento neoadyuvante, que se aplica antes de la cirugía con el objetivo de reducir el tumor, representa una oportunidad para evaluar en tiempo real la sensibilidad del tumor a la terapia. Sin embargo, la selección del tratamiento sigue basándose principalmente en clasificaciones clínicas generales, como el estado de los receptores de estrógeno, progesterona y HER2, sin tener en cuenta la heterogeneidad interna de cada tumor. Esta variabilidad, en la que distintas subpoblaciones de células malignas pueden coexistir dentro de un mismo tumor y responder de manera distinta a un fármaco, es uno de los principales factores que dificulta la predicción de la respuesta terapéutica.
Para abordar este problema, BRIDGE opera mediante la descomposición del transcriptoma tumoral, es decir, el conjunto de genes activos en el tumor, en subpoblaciones moleculares definidas a partir de datos de células individuales. A partir de esa composición, el sistema calcula una puntuación de respuesta que estima la probabilidad de que el tumor alcance una respuesta patológica completa, que es el escenario en el que no quedan células tumorales viables tras el tratamiento. El modelo fue entrenado en 10 conjuntos de datos transcriptómicos y evaluado en 24 cohortes externas independientes con un total de 932 pacientes.
Los resultados muestran que BRIDGE superó el desempeño de implementaciones de firmas moleculares comerciales ya establecidas, como Oncotype DX y MammaPrint, en tumores con receptor de estrógeno positivo y HER2 negativo, donde alcanzó un área bajo la curva ROC de 0.84 con un índice de probabilidad de respuesta ocho veces mayor en pacientes que sí respondieron frente a quienes no lo hicieron. En tumores HER2 positivos el área bajo la curva fue de 0.77, y en cáncer de mama triple negativo de 0.73.
El equipo desarrolló también una extensión del sistema llamada BRIDGE-Slide, que aplica el mismo marco de análisis a imágenes de histopatología de rutina mediante aprendizaje profundo. Este componente infiere la expresión génica directamente a partir de cortes histológicos teñidos con hematoxilina y eosina, sin necesidad de secuenciación, lo que abre la posibilidad de obtener predicciones de respuesta de forma más rápida y a menor costo. BRIDGE-Slide fue evaluado en seis conjuntos de datos histopatológicos y superó a los modelos que predicen la respuesta directamente a partir de las imágenes, sin pasar por la inferencia transcriptómica.
Los autores señalan que BRIDGE ofrece una base biológicamente interpretable para la predicción de respuesta en el contexto neoadyuvante, y que su versión basada en histopatología podría facilitar su aplicación clínica una vez que se complete la validación prospectiva en cohortes más amplias. El estudio fue liderado por los doctores Thomas Cantore, Nishanth Nair y Eytan Ruppin, con la participación de investigadores del University of Cambridge, el Institute of Cancer Research de Londres y la Medical University of Vienna, entre otras instituciones.
