Inteligencia artificial para localizar el punto de origen de un cáncer

Para un pequeño porcentaje de pacientes con cáncer, particularmente en los casos en que los tumores ya han hecho metástasis en todo el cuerpo, los médicos no pueden determinar dónde se originó el cáncer. Se trata de los denominados “cánceres con tumor primario desconocido”.

Esta falta de conocimiento a menudo impide que los médicos puedan dar a los pacientes medicamentos “de precisión», que generalmente están aprobados para tipos de cáncer específicos en los que se sabe que funcionan con gran eficacia. Estos tratamientos de precisión tienden a ser más contundentes contra el cáncer y a provocar menos efectos secundarios que los tratamientos que se usan para una amplia gama de cánceres. Estos últimos tratamientos comúnmente se recetan a pacientes de cánceres con tumor primario desconocido.

Una nueva técnica desarrollada por investigadores del Instituto Tecnológico de Massachusetts (MIT) y del Instituto Oncológico Dana-Farber, en Estados Unidos ambas instituciones, puede facilitar la identificación de los sitios de origen de esos enigmáticos cánceres.

Utilizando el aprendizaje automático (una modalidad de inteligencia artificial), el equipo encabezado por Intae Moon (del MIT y del Instituto Oncológico Dana-Farber) creó un modelo computacional a base de aprendizaje automático que puede analizar una secuencia de unos 400 genes y utilizar esa información para deducir en qué punto del cuerpo se originó un tumor dado.

Usando este modelo, los investigadores demostraron que podían clasificar con precisión y alta confianza al menos el 40 por ciento de los tumores de origen desconocido, en un conjunto de datos de alrededor de 900 pacientes. El uso de este sistema de inteligencia artificial permitió un aumento de 2,2 veces en la cantidad de pacientes que podrían haber sido seleccionados para recibir un tratamiento genéticamente dirigido, en función del lugar del cuerpo donde se originó su cáncer.

Moon y sus colegas exponen los detalles de su nueva técnica en la revista académica Nature Medicine, bajo el título “Machine learning for genetics-based classification and treatment response prediction in cancer of unknown primary”. (Fuente: NCYT de Amazings)