Investigadores de Queen Mary y Emory desarrollaron una herramienta de análisis basada en IA para detectar cuando el carcinoma ductal in situ puede evolucionar a cáncer de mama invasivo.
El carcinoma ductal in situ (DCIS, en inglés) es una forma temprana de cáncer de mama donde las células anormales se encuentran en los conductos mamarios, pero no se han diseminado a otros tejidos. Aunque no es invasivo, si no se trata, puede evolucionar a un cáncer de mama invasivo. El DCIS es generalmente diagnosticado a través de mamografías y puede tratarse con cirugía, radioterapia o una combinación de ambas.
Un grupo de investigadores de Queen Mary University London y Emory University desarrollaron una nueva herramienta analítica basada en inteligencia artificial (IA), para entender cómo se puede predecir cuáles casos de DCIS podrían convertirse en cáncer de mama invasivo.
Este avance consiste en el desarrollo de un biomarcador computacional basado en los linfocitos infiltrantes del tumor (TIL, en inglés) para el DCIS. Los TIL son células inmunitarias que se infiltran en el microambiente del tumor y pueden tener un papel importante en la respuesta del cuerpo contra el cáncer. Hasta ahora, cuantificar manualmente los TIL era una tarea laboriosa y propensa a variabilidad entre observadores.
El estudio publicado en The Lancet Digital Health, es la investigación más grande y robusta sobre la estimación automatizada de estas células inmunes infiltrantes de tumores o TILs. Un estudio similar publicado en Nature mostró el uso de un modelo de IA para identificar ciertas etapas de tumores de mama con probabilidades de progresar y convertirse en cáncer invasivo.
“Contamos con un biomarcador sólido que no solo predice qué pacientes tienen un riesgo sustancialmente mayor de progresar a cáncer de mama invasivo, sino que también nos dice qué subgrupo de pacientes puede evitar la radioterapia y, por lo tanto, ayudarnos a prevenir el sobretratamiento”, expresó el autor principal del estudio Mangesh Thorat.
Para este estudio, los investigadores de Queen Mary y Emory, desarrollaron un algoritmo computacional que mide la densidad de TIL de manera precisa y eficiente, lo que permite su uso como biomarcador. Este biomarcador se evaluó en pacientes con DCIS para predecir la probabilidad de recurrencia del cáncer, ya sea en forma de carcinoma invasivo o de una nueva aparición de DCIS. El estudio encontró que los pacientes con una alta densidad de TIL tienen un mayor riesgo de recurrencia, especialmente de progresión invasiva, y que estos pacientes se benefician más de la radioterapia.
Entre los hallazgos de la investigación, los autores destacaron el mayor riesgo de recurrencia en los pacientes con alta densidad de TIL. En este sentido, tuvieron un riesgo significativamente mayor de recurrencia de DCIS en la misma mama (IBE, en inglés), especialmente en la forma invasiva. El riesgo de progresión invasiva fue más de tres veces mayor en comparación con aquellos con una baja densidad de TIL.
Además, como se mencionó anteriormente, el beneficio de la radioterapia también fue un hallazgo importante de esta investigación. Los pacientes con una alta densidad de TIL se beneficiaron más de la radioterapia, con una mayor reducción del riesgo de recurrencia en comparación con aquellos con una baja densidad de TIL.
Por otro lado, hubo una interacción significativa entre la densidad de TIL y el beneficio de la radioterapia, lo que sugiere que el tratamiento es más efectivo en pacientes con altos niveles de TIL. En resumen, el estudio demostró que una alta densidad de TIL se asocia con un mayor riesgo de recurrencia del cáncer, pero que estos pacientes también obtienen un mayor beneficio de la radioterapia.
