Un estudio internacional demuestra que el machine learning puede predecir con mayor precisión la respuesta a inmunoterapia en cáncer de hígado avanzado.
Investigadores de Imperial College London y centros médicos en Francia han desarrollado modelos basados en inteligencia artificial (IA) que superan los biomarcadores clínicos tradicionales en la predicción de supervivencia y respuesta a la inmunoterapia en pacientes con carcinoma hepatocelular (HCC, en inglés) avanzado. El trabajo, publicado en Journal of Hepatology, utiliza técnicas de radiómica y deep learning para analizar imágenes médicas antes del tratamiento.
La inmunoterapia es un tipo de tratamiento contra el cáncer que activa el sistema inmune para que ataque las células de cáncer. Estas terapias han revolucionado la atención para pacientes con esta enfermedad y ha logrado mejorar los resultados y la supervivencia. Sin embargo, no todos los pacientes responden de manera positiva a la inmunoterapia e incluso algunos experimentan efectos adversos.
El estudio se centró en pacientes con HCC tratados con la combinación de atezolizumab y bevacizumab, actualmente una terapia de primera línea para casos no resecables. Utilizando tomografías computarizadas previas al tratamiento, los investigadores emplearon modelos de deep learning para segmentar automáticamente el hígado y extraer características radiómicas, es decir con patrones cuantificables invisibles al ojo humano, que luego fueron combinadas con datos clínicos.
Se evaluaron 152 pacientes provenientes de Imperial College London y el Hospital Avicenne de París. Posteriormente, se desarrollaron modelos predictivos utilizando siete algoritmos de machine learning y trece técnicas de selección de características. Los modelos fueron entrenados para predecir mortalidad a 12 meses, supervivencia general y libre de progresión, y respuesta al tratamiento.
Los resultados fueron concluyentes, pues el modelo combinado de radiómica y datos clínicos superó significativamente a indicadores tradicionales como el estadio BCLC y la escala ALBI. En el grupo de entrenamiento del Reino Unido, el modelo integrado alcanzó un AUC de 0.89, frente a 0.61 del BCLC. Estos hallazgos se replicaron con éxito en la cohorte independiente de Francia, confirmando la capacidad de este enfoque.
Además de predecir mortalidad y progresión, los modelos también identificaron grupos de alto y bajo riesgo, lo que permitió asociar perfiles de pacientes con probabilidad de respuesta a inmunoterapia. Las herramientas desarrolladas también mostraron ser útiles para evitar tratamientos agresivos en pacientes con bajo pronóstico, abriendo la puerta a estrategias terapéuticas más personalizadas.
Este estudio representa un avance significativo hacia la medicina de precisión en cáncer de hígado. Si bien se necesitan validaciones adicionales en cohortes más diversas y numerosos pacientes, los hallazgos demuestran el potencial de integrar inteligencia artificial con datos clínicos e imagenología para optimizar decisiones terapéuticas. Esta combinación podría transformar la forma en que se seleccionan tratamientos en oncología, especialmente en enfermedades con pocas opciones de predicción confiable como el HCC.
