Un biomarcador desarrollado a partir de imágenes de biopsias permitiría anticipar qué pacientes se beneficiarán más de distintos regímenes de tratamiento.
Investigadores del Cedars-Sinai Medical Center desarrollaron un biomarcador basado en inteligencia artificial capaz de predecir qué tipo de quimioterapia podría resultar más beneficiosa para pacientes con cáncer de páncreas avanzado. El avance fue publicado en la revista científica Journal of Clinical Oncology.
El estudio se centra en el adenocarcinoma ductal pancreático, una de las formas más agresivas de cáncer. En estos casos, la quimioterapia sigue siendo el tratamiento principal, pero actualmente existen dos esquemas terapéuticos comunes y no hay evidencia clara que indique cuál es superior para cada paciente. Esto hace que la decisión dependa, en gran medida, del estado general del paciente y de la preferencia clínica.
Para abordar esta incertidumbre, el equipo desarrolló un sistema denominado CHAI (Computational Histology Artificial Intelligence), capaz de analizar imágenes digitalizadas de biopsias teñidas con hematoxilina y eosina, un procedimiento estándar en patología. El modelo utiliza aprendizaje profundo para identificar características microscópicas del tumor y su microambiente, como la forma y distribución de los núcleos celulares, la infiltración inmunitaria o la densidad del estroma. A partir de estos patrones, el sistema genera un biomarcador que indica si el tumor probablemente responderá mejor a un régimen basado en fluoropirimidinas o a uno basado en gemcitabina.
El desarrollo del biomarcador se realizó con datos de 178 pacientes tratados en centros oncológicos de Estados Unidos. Posteriormente, el modelo se validó en una cohorte independiente de 299 pacientes procedentes de dos estudios prospectivos internacionales. En este grupo, el sistema clasificó a los pacientes según el tipo de quimioterapia con mayor probabilidad de beneficio.
Los resultados mostraron que los pacientes cuyo biomarcador indicaba preferencia por terapias con fluoropirimidinas tuvieron mejores resultados cuando recibieron ese tipo de tratamiento, con una supervivencia global mediana de 14.4 meses frente a 11.7 meses cuando recibieron gemcitabina. En el caso de quienes fueron clasificados como candidatos ideales para gemcitabina, el tiempo hasta cambiar de tratamiento o fallecer fue mayor cuando recibieron ese régimen.
En conjunto, los investigadores estimaron que casi la mitad de los pacientes en la cohorte de validación podrían haber recibido un tratamiento diferente si la decisión se hubiera guiado por el biomarcador.
Una de las ventajas del enfoque es que utiliza imágenes de biopsias que ya forman parte del diagnóstico clínico, sin requerir pruebas adicionales ni consumir más tejido tumoral. Además, el análisis puede completarse en menos de 72 horas, lo que permitiría integrarlo en la toma de decisiones terapéuticas al inicio del tratamiento.
Los autores señalan que todavía se requieren estudios prospectivos adicionales antes de su adopción clínica generalizada. Sin embargo, consideran que este tipo de herramientas basadas en patología digital e inteligencia artificial podrían contribuir a personalizar la selección de tratamientos en un cáncer donde las opciones terapéuticas siguen siendo limitadas.
