Los científicos de los Institutos Nacionales de la Salud crearon una herramienta de inteligencia artificial para pronosticar la respuesta de los pacientes de cáncer a la inmunoterapia

Asunto

En un estudio de eficacia preliminar, los investigadores de los Institutos Nacionales de la Salud (NIH) crearon una herramienta de inteligencia artificial (IA) que usa datos clínicos habituales, como los de un análisis de sangre sencillo, para pronosticar si el cáncer de una persona responderá a los inhibidores de puntos de control inmunitario, un tipo de medicamento de inmunoterapia que ayuda a las células inmunitarias a destruir las células cancerosas. El modelo de aprendizaje automático quizás ayude a los médicos a evaluar si los medicamentos de inmunoterapia son eficaces para tratar el cáncer de un paciente. El estudio, que se publicó en junio de 2024 en la revista Nature Cancer, estuvo a cargo de investigadores del Centro de Investigación Oncológica (CCR) del Instituto Nacional del Cáncer (NCI) de los NIH y del Centro Oncológico Memorial Sloan Kettering de Nueva York.  

En la actualidad hay dos biomarcadores pronósticos aprobados por la Administración de Alimentos y Medicamentos (FDA) para identificar a los pacientes que se beneficiarían del tratamiento con inhibidores de puntos de control inmunitario. El primero es la carga mutacional del tumor, que es el número de mutaciones en el ADN de las células cancerosas. El segundo es la PD-L1, una proteína de las células tumorales que limita la respuesta inmunitaria y es la diana (molécula adonde se dirige la terapia) de algunos inhibidores de puntos de control inmunitario. Sin embargo, estos biomarcadores no siempre pronostican con precisión la respuesta a los inhibidores de puntos de control inmunitario. Hace poco se demostró que los últimos modelos de aprendizaje automático que usan datos de secuenciación molecular son útiles para pronosticar la respuesta, pero conseguir ese tipo de datos es costoso y no se obtienen de forma habitual. 

En el nuevo estudio, se presenta un modelo de aprendizaje automático diferente que genera pronósticos a partir de cinco datos que se informan en la práctica clínica de rutina: la edad; el tipo de cáncer; los antecedentes de terapia sistémica; la concentración de albúmina en la sangre; y la relación neutrófilos/linfocitos en la sangre (que indica inflamación). El modelo también incluye la carga mutacional del tumor, evaluada mediante secuenciación en serie. El modelo se creó y evaluó a partir de varios conjuntos de datos independientes que incluyeron a 2881 pacientes que recibieron tratamiento con inhibidores de puntos de control inmunitario para 18 tipos diferentes de tumores sólidos. 

El modelo pronosticó con precisión la probabilidad de que un paciente respondiera a un inhibidor de puntos de control inmunitario y el tiempo de vida, tanto general como antes de que volviera la enfermedad. Los investigadores señalaron que el modelo también permitió identificar a pacientes que se beneficiarían de la inmunoterapia a pesar de que tenían una carga mutacional del tumor baja. 

Los investigadores señalaron que se necesitan estudios prospectivos más grandes para ampliar la evaluación del modelo de IA en los entornos clínicos. El modelo de IA es un puntaje de respuesta a la inmunoterapia basada en la regresión logística, cuyo nombre en inglés es “Logistic Regression-Based Immunotherapy-Response Score” (LORIS), y los investigadores lo pusieron a disposición del público en https://loris.ccr.cancer.gov. La herramienta calcula la probabilidad de que un paciente responda a los inhibidores de puntos de control inmunitario según las seis variables arriba descritas.

El doctor y licenciado en Medicina Eytan Ruppin, del Centro de Investigación Oncológica del NCI, y el doctor Luc G. T. Morris, del Centro Oncológico Memorial Sloan Kettering, codirigieron el estudio. El proyecto fue encabezado por el doctor Tiangen Chang y la doctora Yingying Cao, del grupo del doctor Ruppin en el Centro de Investigación Oncológica del NCI.

Contacto

Doctor y licenciado en Medicina Eytan Ruppin, Centro de Investigación Oncológica, Instituto Nacional del Cáncer

Estudio

“LORIS robustly predicts patient outcomes with immune checkpoint blockade therapy using common clinical, pathologic and genomic features”, publicado en junio de 2024 en la revista Nature Cancer.

Acerca del Instituto Nacional del Cáncer: El Instituto Nacional del Cáncer (NCI) dirige el Programa Nacional del Cáncer (NCP) y las iniciativas de los Institutos Nacionales de la Salud (NIH) cuyo fin es disminuir la prevalencia del cáncer de forma drástica y mejorar la vida de las personas con cáncer. El NCI financia una variedad amplia de investigaciones y capacitaciones sobre el cáncer mediante subvenciones y contratos fuera de las instituciones. El programa de investigación intrainstitucional del NCI lleva a cabo estudios de investigación innovadora clínica y epidemiológica, básica y traslacional sobre las causas del cáncer, las formas de prevenirlo, la predicción del riesgo, la detección temprana y el tratamiento. Estos estudios incluyen las actividades de investigación en el Centro Clínico de los NIH, el hospital de investigaciones más grande del mundo. Para obtener más información en inglés sobre los estudios de investigación en el NCI, consulte el sitio web del Centro de Investigación Oncológica. Para obtener más información sobre el cáncer, visite el sitio web del NCI en cancer.gov/espanol o llame al Servicio de Información de Cáncer del NCI al 1-800-422-6237 (1-800-4-CANCER).

Acerca de los Institutos Nacionales de la Salud: Los Institutos Nacionales de la Salud (NIH) son el organismo nacional de investigación médica, integrado por 27 institutos y centros, y es un componente del Departamento de Salud y Servicios Humanos (HHS) de los Estados Unidos. Los NIH son el organismo federal principal que lleva a cabo y apoya la investigación básica, clínica y médica aplicada e investiga las causas, los tratamientos y las curas de enfermedades comunes y raras. Para obtener más información sobre los NIH y sus programas, visite salud.nih.gov.