Un estudio internacional muestra que un algoritmo de AI supera a los métodos tradicionales para evaluar linfocitos infiltrantes en tumores, lo que podría optimizar los tratamientos de inmunoterapia.
The artificial intelligence (AI) está demostrando ser una herramienta clave en la medicina de precisión. Una nueva investigación publicada en JAMA Network Open revela que un algorithm of AI logra evaluar con mayor exactitud los linfocitos infiltrantes de tumor (TIL, en inglés) en pacientes con melanoma, superando a los métodos visuales tradicionales utilizados por patólogos. Este avance podría mejorar significativamente la forma en que se toman decisiones terapéuticas en uno de los tipos de cáncer de piel más agresivos.
El estudio, liderado por investigadores de la Universidad de Yale y el Instituto Karolinska, comparó la precisión de un algorithm of machine learning or machine learning con la evaluación realizada por patólogos humanos en 111 muestras de tejido de pacientes con melanoma. Los TIL son células inmunológicas que se infiltran en los tumores, y su presencia puede indicar una mejor respuesta del cuerpo ante el cáncer, especialmente cuando se usan tratamientos de inmunoterapia.
Para el estudio, un total de 98 participantes cuantificaron los linfocitos infiltrados en el tumor en 60 muestras de tejido de melanoma. 40 participantes eran patólogos que utilizaron métodos visuales tradicionales para evaluar el tejido, mientras que 11 patólogos y 47 científicos no patólogos utilizaron la AI.
Los métodos tradicionales para evaluar los TIL dependen de la observación visual de cortes histológicos coloreados, lo que los hace susceptibles a diferencias entre observadores. Por el contrario, el algorithm of AI estandariza el proceso y ofrece resultados consistentes, independientemente del usuario. En el estudio, la AI alcanzó coeficientes de correlación superiores al 90%, mientras que los métodos manuales apenas alcanzaron un 60% en algunos casos.
“Nuestros hallazgos sugieren que una herramienta de cuantificación de linfocitos impulsada por AI puede proporcionar evaluaciones consistentes y fiables con un fuerte potencial para el uso clínico, ofreciendo una alternativa sólida a los métodos tradicionales”, expresó el Dr. Thazin Nwe Aung, autor principal del estudio y científico investigador asociado en patología en Yale.
Además, el análisis mostró que ciertas mediciones de TIL generadas por la AI se correlacionaban significativamente con mejores tasas de supervivencia en pacientes, incluso después de ajustar variables como edad, sexo y etapa del cáncer. Estas mediciones fueron más eficaces que las tradicionales en predecir el pronóstico del paciente.
Uno de los logros más importantes del modelo de AI fue su capacidad para reducir la variabilidad entre los evaluadores y mejorar la precisión en la predicción del curso clínico de la enfermedad. Este nivel de confiabilidad podría permitir su integración en la práctica clínica para apoyar decisiones sobre tratamientos, especialmente en inmunoterapias que solo son efectivas en una parte de los pacientes.
“En este estudio pronóstico de la cuantificación de TIL en melanoma, el algorithm of AI demostró una reproducibilidad y asociaciones pronósticas superiores en comparación con los métodos tradicionales”, concluye el estudio.
A pesar de que el estudio se basó en datos retrospectivos, los resultados ofrecen un respaldo sólido para la utilidad clínica de herramientas de AI en oncología. Asimismo, el conjunto de datos disponible públicamente y la herramienta de AI de código abierto ofrecen una base para la futura validación e integración en el tratamiento del melanoma.
Los autores concluyen que, con una implementación más amplia, esta tecnología podría no solo agilizar los diagnósticos, sino también ayudar a personalizar tratamientos en pacientes con melanoma. Estudios futuros podrían validar estos hallazgos en contextos prospectivos y ampliar su aplicación a otros tipos de cáncer.
