Investigadores del MIT y del Instituto del Cáncer Dana-Farber han desarrollado un nuevo enfoque para identificar el origen de algunos tipos de cáncer. En este sentido, los investigadores han creado un modelo computacional que analiza la secuencia de cerca de 400 genes. Esta información puede emplearse para predecir dónde se ha originado un tumor determinado en el cuerpo.
En la gran mayoría de los casos, los médicos pueden detectar el origen de un cáncer en los pacientes. Sin embargo, hay ocasiones en las que esto no se logra, dificultando la elección de un tratamiento adecuado. Estas situaciones tienen lugar entre el 3 por ciento y el 5 por ciento de los pacientes con cáncer, especialmente en aquellos que cuentan con presencia de metástasis. Se trata del conocido como cáncer de origen primario desconocido (CUP).
El cáncer de origen primario desconocido es una enfermedad poco frecuente que se caracteriza por la formación de células cancerosas en el cuerpo, pero no se conoce el lugar donde la enfermedad empezó a surgir. El desconocimiento del origen impide que los médicos puedan tratar con medicamentos de “precisión”, que normalmente están aprobados para determinados tipos de cáncer en los que su eficacia está demostrada.
Intae Moon: “El hallazgo más importante de la investigación fue que este modelo podría ser empleado potencialmente para ayudar a decidir tratamientos”
Los tratamientos dirigidos suelen ser más efectivos y con menos efectos secundarios que aquellos indicados para un amplio espectro, que son los recetados normalmente para pacientes de CUP. Partiendo de este contexto, los investigadores desarrollaron un nuevo modelo de identificación, con el que lograron clasificar de forma precisa el 40 por ciento de los tumores de origen desconocido en un conjunto de datos de 900 pacientes.
“El hallazgo más importante de la investigación fue que este modelo podría ser empleado potencialmente para ayudar a decidir tratamientos, guiando a los médicos hacia tratamientos más personalizados para aquellos pacientes con cáncer cuyo origen primario se desconoce”, afirma Intae Moon, estudiante de posgrado en ingeniería eléctrica y tecnología del MIT y principal autor del estudio, que ha sido publicado en la revista “Nature Medicine”.
El estudio se llevó a cabo a través del análisis de datos genéticos recopilados de forma rutinaria en Dana-Farber. Estos datos consistían en secuencias genéticas de en torno a 400 genes, que a menudo se encuentran mutados en el cáncer. Así, los investigadores entrenaron un modelo de aprendizaje automático con datos de casi 30.000 pacientes del Centro de Cáncer Memorial Sloan Kettering y del Centro de Cáncer Vanderbilt-Ingram, además de Dana-Farber.
El modelo obtenido, al que denominaron OncoNPC, fue probado en 7.000 tumores cuyo origen era conocido, demostrando que podía predecir sus orígenes con un 80 por ciento de precisión. A continuación, probaron el modelo para analizar un conjunto de en torno a 900 tumores de pacientes con CUP, descubriendo que el modelo hacía predicciones de alta confianza en el 40 por ciento de ellos.
Por otro lado, los investigadores también lograron que el modelo identificase las predisposiciones genéticas a desarrollar tipos específicos de cáncer. Para ello, compararon las predicciones del modelo con análisis de mutaciones heredadas en tumores, conocidas como mutaciones de la línea germinal. Las predicciones del modelo coincidieron de manera notable con los tipos de cáncer predichos con mayor certeza por estas mutaciones, superando cualquier otra coincidencia.
Además, evaluaron también los tiempos de supervivencia de pacientes con CUP y los compararon con los pronósticos típicos del tipo de cáncer predicho por el modelo. Los pacientes cuyos pronósticos coincidieron con tipos de cáncer de mal pronóstico, como el cáncer de páncreas, experimentaron períodos de supervivencia más cortos. Sin embargo, aquellos con pronósticos que indicaban mejores resultados, como tumores neuroendocrinos, disfrutaron de tiempos de supervivencia prolongados.
El modelo hacía predicciones de alta confianza en el 40 por ciento de los tumores de pacientes de CUP
Otro de los temas analizados fueron los tratamientos administrados a los pacientes de CUP en el estudio. Cerca del 10 por ciento había recibido tratamientos personalizados basados en las suposiciones de sus oncólogos. Entre estos pacientes, aquellos que recibieron terapias alineadas con las predicciones del modelo experimentaron mejores resultados que aquellos que recibieron tratamientos estándar para otros tipos de cáncer.
Finalmente, los investigadores identificaron un 15 por ciento adicional de pacientes (un aumento de 2,2 veces) que podrían haberse beneficiado de tratamientos dirigidos preexistentes, si su tipo de cáncer hubiera sido conocido. En lugar de esto, estos pacientes terminaron recibiendo tratamientos más generalizados de quimioterapia.
El estudio ha demostrado la eficacia del nuevo modelo basado en inteligencia artificial para mejorar los pronósticos de los pacientes. Ahora, los investigadores pretenden ampliar este modelo, de tal forma que incluya más tipos de datos, como pueden ser imágenes radiológicas. Esto proporcionaría predicciones más completas gracias a que el modelo contaría con una perspectiva integral de los tumores, permitiendo predecir el tipo de tumor, el resultado del paciente y el tratamiento más adecuado.