Combinando los principios de la evolución y la inteligencia artificial, los científicos han propuesto un nuevo método para predecir la probabilidad de que regrese el cáncer de próstata. En un estudio reciente, utilizaron métodos computacionales para capturar mediciones específicas de tumores relacionadas con la capacidad de un tumor para cambiar con el tiempo. Luego demostraron que estas mediciones estaban asociadas con la recurrencia de la enfermedad más de una década después del diagnóstico inicial.

Este enfoque puede ayudar a los médicos a clasificar sistemáticamente a los pacientes según su riesgo de recurrencia. En base a esto, podrán identificar a los pacientes que sólo requieren tratamiento local (normalmente radioterapia, a menudo en combinación con terapia hormonal o cirugía) y que deberían recibir tratamiento adicional.

El estudio, realizado por investigadores del Instituto de Investigación del Cáncer de Londres y el Royal Marsden NHS Foundation Trust, puede en última instancia ayudar a los médicos a adaptar mejor el tratamiento para el cáncer de próstata. Los resultados han sido publicados publicado en Naturaleza del cáncer.

Este trabajo también ha tenido un éxito excepcional al combinar mediciones específicas de tumores de manera evolutiva, validando aún más la aplicación del modelo de biología evolutiva al cáncer. Los científicos del Centro para la Evolución y el Cáncer del Instituto de Investigación del Cáncer (ICR) están a la vanguardia de la investigación sobre la evolución del cáncer y confían en que conducirá a nuevos tratamientos eficaces para múltiples tipos de cáncer.

Abordar la falta de marcadores predictivos en el cáncer de próstata

Los resultados en el cáncer de próstata son particularmente difíciles de predecir porque la enfermedad tiene una amplia heterogeneidad, lo que significa que existen grandes diferencias entre las células cancerosas, tanto dentro de cada tumor como entre pacientes. Además, el cáncer a menudo se desarrolla en más de un sitio dentro de la próstata, lo que resulta en dos o más tumores cercanos. Como resultado, a los médicos a menudo les resulta difícil determinar los mejores tratamientos para sus pacientes.

En algunos casos, los médicos pueden adoptar una actitud de «observar y esperar», evitando los efectos secundarios del tratamiento cuando no son necesarios. Pero esta estrategia puede ser fatal para las personas con cáncer agresivo o cáncer que tiene más probabilidades de recaer.

Aunque otros estudios han evaluado el uso de mediciones tumorales para predecir resultados, estos estudios utilizaron un número limitado de muestras de pacientes, analizaron sólo una etapa temprana de la enfermedad y, a menudo, no se realizaron en el marco de ensayos clínicos. Además, estos estudios incluyeron principalmente a pacientes que ya se habían sometido a una cirugía para extirpar el cáncer.

Impulsado por la creencia de que las decisiones de tratamiento deberían tomarse antes de la cirugía, el equipo detrás del nuevo estudio se propuso buscar una nueva forma de predecir la progresión del tumor en personas diagnosticadas con cáncer de próstata localmente avanzado y de alto riesgo.

Definir nuevas medidas

Los investigadores utilizaron una forma de inteligencia artificial llamada aprendizaje automático para analizar un total de 1.923 muestras de 250 participantes en el ensayo clínico de radioterapia de intensidad modulada (IMRT), centrándose en la estructura espacial del tejido. También utilizaron tecnología de inteligencia artificial especialmente diseñada para realizar la clasificación de Gleason, un sistema de puntuación que clasifica los tejidos cancerosos del uno al cinco según su patrón celular. A las células cancerosas que se parecen mucho a las células sanas se les asigna una calificación de 1, mientras que a las células que se ven muy diferentes se les asigna una calificación de 5.

Mientras tanto, los investigadores evaluaron las diferencias genéticas entre las células dentro de tumores individuales, utilizando 642 muestras de 114 participantes en ensayos de radioterapia en The Royal Marsden. Estas muestras se superpusieron con el primer grupo, proporcionando al equipo información integrada sobre el genoma y la forma de las células, así como los resultados de los pacientes durante más de una década.

Los investigadores descubrieron que la divergencia genética y la diversidad morfológica medidas por IA (diferencia en la forma, el tamaño y la estructura de las células) indican la capacidad de un tumor para evolucionar, permitiendo que la enfermedad se adapte y sobreviva. Midieron esta diversidad observando el alcance de las diferencias entre las células en diferentes áreas del tumor, lo que se conoce como heterogeneidad intratumoral.

Los resultados mostraron que esta “capacidad de evolucionar” era un fuerte predictor de recurrencia de la enfermedad, ya que la combinación de las dos mediciones llevó a la identificación de un subgrupo de pacientes que experimentaron recurrencia de la enfermedad en la mitad de tiempo en comparación con el resto de los pacientes.

El equipo también pudo determinar la relación entre la pérdida de un cromosoma específico y la disminución de la presencia de células inmunes en el tumor, lo que puede afectar su respuesta a ciertos tratamientos. Esta información adicional puede respaldar mejores decisiones de tratamiento.

El siguiente paso para los investigadores es probar sus medidas basadas en el desarrollo del riesgo de recurrencia de la enfermedad en un grupo más grande de personas con un conjunto más amplio de características de la enfermedad. También deberán tener en cuenta factores externos, como los niveles hormonales.

«Necesitamos desesperadamente nuevos métodos como el nuestro».

El primer autor conjunto, el Dr. George Cresswell, que era investigador postdoctoral en el grupo de Genómica y Dinámica Evolutiva del Instituto Internacional de Investigación del Cáncer cuando se realizó la investigación, es ahora investigador principal en el Instituto de Investigación del Cáncer Infantil St. Anna en Viena. , Austria.

«Nos complace descubrir nuevas mediciones que se pueden tomar a partir de biopsias estándar de cáncer de próstata para predecir el riesgo de recurrencia en personas con cáncer de próstata», dijo Cresswell. «Los médicos actualmente no tienen suficientes métodos específicos para medir qué pacientes tienen el riesgo más bajo y más bajo». mayor riesgo de recurrencia del cáncer, lo que significa que existe una necesidad crítica de nuevos métodos como el nuestro.

“Nuestro trabajo también ha demostrado el potencial combinado de la genómica evolutiva y la inteligencia artificial para mejorar nuestro estudio del tejido canceroso cuando los aplicamos en el contexto de ensayos clínicos. Esperamos que este enfoque acelere nuestro progreso hacia el uso de biomarcadores evolutivos en la clínica. práctica tanto para el cáncer de próstata como para otros tipos de cáncer”.

El coautor principal, el profesor David Dearnaley, profesor emérito del Instituto Indio de Investigación del Cáncer y oncólogo clínico consultor jubilado del Royal Marsden, dijo: “Este estudio demuestra el poder de un enfoque combinado en el que evaluamos tanto la genómica como la morfología espacial.

«Creemos que nuestros hallazgos nos permitirán identificar a los pacientes con cáncer localizado de alto riesgo que tienen más probabilidades de beneficiarse de un tratamiento temprano con medicamentos que prolongan la vida. Hasta ahora, no hemos podido aislar a los pacientes con mayor riesgo de recurrencia. pero nuestros nuevos análisis podrían cambiar esto». «Al mejorar drásticamente nuestra capacidad de predecir si el cáncer regresará o no».

El otro autor principal, el profesor Andrea Sotoreva, profesor de Genómica y Evolución del Cáncer en el Instituto Indio de Investigación del Cáncer en el momento de la investigación y ahora director del Centro de Investigación de Biología Computacional de Humane Technopol en Milán, Italia, dijo: «Es Es emocionante que hayamos tomado nuevas mediciones con interpretaciones evolutivas innovadoras que aún no se han realizado antes.

“Además de producir mejores biomarcadores de diagnóstico para el cáncer de próstata, nuestro estudio sirve como evidencia adicional de que el modelo de biología evolutiva aplicado al cáncer tiene un poder predictivo notable.

«Al aplicar un enfoque computacional a múltiples conjuntos de datos, hemos podido descifrar algunas de las dinámicas del desarrollo del cáncer y la resistencia al tratamiento. Este tipo de investigación es clave para avanzar en nuestra comprensión de cómo y cuándo tratar los cánceres, incluido el cáncer de próstata».