El cáncer de ovario es la cuarta causa de muerte por enfermedad oncológica en mujeres y la primera por origen ginecológico. Esta patología representa el 3% de todos los tumores femeninos en España, según datos de la Asociación Española contra el Cáncer (AECC). Cada año se diagnostican más de 3.500 nuevos casos de esta enfermedad y, entre el 70 y el 80% de ellos se encuentran en estadios avanzados.
La mayoría de estos casos son particularmente agresivos, en torno al 70%, lo que dificulta la respuesta a los tratamientos en algunas pacientes. Además, el carcinoma de ovario presenta un diagnóstico tardío en muchas ocasiones, por sus síntomas sutiles. Estas complejidades en la enfermedad reducen la efectividad de los tratamientos en una patología que a menudo presenta resistencias a la quimioterapia.
Actualmente, los métodos para conocer la respuesta a la terapia tienen una precisión del 50%, un porcentaje muy reducido si se tienen en cuenta el número de casos diagnosticados cada año. Además, la enfermedad también resulta compleja en algunos pacientes, por lo que encontrar biomarcadores fiables no es un trabajo sencillo. Ante esta realidad, la inteligencia artificial aparece una vez más para ofrecer soluciones que a largo plazo podrían ser prometedoras.
Esta tecnología estudia las características del tumor a partir de una biopsia líquida, los datos demográficos del paciente y los marcadores tumorales
Investigadores de la Universidad Católica del Sagrado Corazón han desarrollado una herramienta basada en IA que podría mejorar la precisión de la predicción de la respuesta a la quimioterapia en mujeres con cáncer de ovario. Su nombre es IRON, por las siglas en inglés de Radiogenómica Integrada para la Terapia NeoadyuvanteOvárica. Esta tecnología estudia las características del tumor a partir de una biopsia líquida, los datos demográficos del paciente y los marcadores tumorales, complementado con imágenes de tomografía computarizada.
Esta herramienta es capaz de predecir la probabilidad de que la terapia funcione de manera exitosa, especialmente la reducción volumétrica de las lesiones tumorales. En porcentajes, los investigadores pronostican una predicción de los resultados con una precisión del 80%. Esta tasa es significativamente mejor que los métodos clínicos existentes.
Los investigadores recopilaron datos de 134 pacientes en total, 92 en el primer conjunto y 42 en un conjunto de validación separado. Entre los datos clínicos recopilados incluyeron la información demográfica, especificaciones del tratamiento, biomarcadores sanguíneos como CA-125 y ADN tumoral circulante.
En el estudio también recopilaron datos de tomografías computarizadas de todos los tipos de tumores primarios y metastásicos. En concreto, los investigadores observaron que las zonas omental y pélvico/ovárico, donde se desarrolla el cáncer de ovario, soportan la mayor carga de la enfermedad. Los depósitos omentales respondieron mejor a la terapia neoadyuvante en comparación con la enfermedad pélvica.
Gracias al uso de la tomografía computarizada se analizaron seis subgrupos de pacientes, con características biológicas y clínicas únicas, y se estudió su respuesta a la terapia
Los investigadores también estudiaron las mutaciones tumorales y el marcador CA-125 en relación con la carga general de enfermedad antes del tratamiento y la respuesta a la terapia. Gracias al uso de la tomografía computarizada se analizaron seis subgrupos de pacientes, con características biológicas y clínicas únicas, y se estudió su respuesta a la terapia. Estas características se integraron a algoritmos de IA creando un modelo integral. La efectividad se comprobó utilizando una muestra de personas independiente que demostró el potencial del tratamiento.
"Desde una perspectiva clínica, el marco propuesto aborda la necesidad insatisfecha de identificar tempranamente a los pacientes que probablemente no respondan a la terapia neoadyuvante y puedan ser dirigidos a una intervención quirúrgica inmediata", aseguró la profesora Evis Sala, coordinadora del estudio.