MADRID 19 Ene. (EUROPA PRESS) -
La revista 'Cancer Discovery' publica un nuevo trabajo de la Facultad de Medicina de la Universidad de California en San Diego (Estados Unidos) según el cual un algoritmo de aprendizaje automático ha demostrado lograr predecir cuándo el cáncer resistirá la quimioterapia.
Para entender el funcionamiento del mismo, los investigadores recalcan que todas las células, incluidas las cancerosas, dependen de una maquinaria molecular compleja para replicar el ADN como parte de la división celular normal. La mayoría de las quimioterapias funcionan interrumpiendo esta maquinaria de replicación del ADN en las células tumorales que se dividen rápidamente.
Si bien los científicos reconocen que la composición genética de un tumor influye en gran medida en su respuesta específica a los medicamentos, la gran multitud de mutaciones encontradas dentro de los tumores ha hecho que la predicción de la resistencia a los medicamentos sea una perspectiva desafiante.
El nuevo algoritmo supera esta barrera al explorar cómo numerosas mutaciones genéticas influyen colectivamente en la reacción de un tumor a los fármacos que impiden la replicación del ADN.
Específicamente, probaron su modelo en tumores de cáncer de cuello uterino y pronosticaron con éxito las respuestas al cisplatino, uno de los fármacos de quimioterapia más comunes. El algoritmo pudo identificar tumores con mayor riesgo de resistencia al tratamiento y también pudo identificar gran parte de la maquinaria molecular subyacente que impulsa la resistencia al tratamiento.
"Los médicos conocían previamente algunas mutaciones individuales que están asociadas con la resistencia al tratamiento, pero estas mutaciones aisladas tendían a carecer de un valor predictivo significativo. La razón es que una cantidad mucho mayor de mutaciones puede moldear la respuesta al tratamiento de un tumor de lo que se pensaba anteriormente", aporta Trey Ideker, profesor del Departamento de Medicina de UC San Diego.
"La inteligencia artificial cierra esa brecha en nuestra comprensión, permitiéndonos analizar una compleja gama de miles de mutaciones a la vez", señala.
Los investigadores se centraron en el conjunto estándar de 718 genes comúnmente utilizados en pruebas genéticas clínicas para la clasificación del cáncer, utilizando mutaciones dentro de estos genes como entrada inicial para su modelo de aprendizaje automático.
Después de entrenarlo con datos de respuesta a los medicamentos de acceso público, el nuevo algoritmo identificó 41 conjuntos moleculares (grupos de proteínas colaboradoras) donde las alteraciones genéticas influyen en la eficacia de los medicamentos.
Más aún, más allá de pronosticar las respuestas al tratamiento, este modelo ayudó a arrojar luz sobre su proceso de toma de decisiones al identificar los conjuntos de proteínas que impulsan la resistencia al tratamiento en el cáncer de cuello uterino. Los investigadores enfatizan que este aspecto (la capacidad de interpretar su razonamiento) es clave para el éxito del modelo y también para construir sistemas de IA confiables.
De esta forma, los investigadores concluyen que son optimistas con que este modelo tendrá amplias aplicaciones, no sólo para mejorar el tratamiento actual contra el cáncer, sino también para ser pionero en otros nuevos".
