Herramienta de IA ajusta con precisión los medicamentos contra el cáncer con los pacientes utilizando información de cada célula tumoral

Las estrategias actuales para emparejar a los pacientes con cáncer con tratamientos específicos a menudo dependen de la secuenciación masiva de ADN y ARN tumoral, que proporciona un perfil promedio de todas las células dentro de una muestra de tumor. Sin embargo, los tumores son heterogéneos y contienen múltiples subpoblaciones de células o clones, cada una de las cuales responde potencialmente de manera diferente a los tratamientos. Esta variabilidad puede explicar por qué algunos pacientes no responden a ciertos tratamientos o desarrollan resistencia. La secuenciación de ARN unicelular ofrece datos de mayor resolución que la secuenciación masiva, capturando datos a nivel de célula individual. Este enfoque para identificar y apuntar a clones individuales puede conducir a respuestas farmacológicas más duraderas, aunque los datos de expresión genética unicelular son más costosos de generar y menos accesibles en entornos clínicos.

En un estudio de prueba de concepto, investigadores de los Institutos Nacionales de Salud (NIH, Bethesda, MD, EUA) han desarrollado una herramienta de inteligencia artificial (IA) que aprovecha datos de células tumorales individuales para predecir qué tan bien podría responder el cáncer de una persona a un medicamento específico. Este estudio demuestra el potencial de la secuenciación de ARN unicelular para ayudar a los oncólogos a combinar terapias eficaces con sus pacientes. En el nuevo estudio, el equipo empleó una técnica de aprendizaje automático conocida como aprendizaje por transferencia para entrenar un modelo de IA utilizando datos comunes de secuenciación masiva de ARN, después de lo cual utilizaron datos de secuenciación de ARN unicelular para afinar el modelo. Este método se aplicó a datos de líneas celulares existentes de ensayos integrales de respuesta a fármacos, lo que dio como resultado modelos de IA para 44 medicamentos contra el cáncer aprobados por la FDA que podrían predecir reacciones celulares tanto a medicamentos individuales como a combinaciones de medicamentos.

Las pruebas adicionales involucraron datos de 41 pacientes con mieloma múltiple tratados con cuatro medicamentos y 33 pacientes con cáncer de mama tratados con dos medicamentos. Los hallazgos revelaron que la resistencia en cualquier clon de una sola célula podría hacer que el tratamiento fuera ineficaz, incluso si otros clones eran sensibles. El modelo también predijo con éxito el desarrollo de resistencia en datos de 24 pacientes con cáncer de pulmón de células no pequeñas sometidos a terapias dirigidas. Los investigadores observaron que la precisión de este enfoque puede mejorar a medida que la secuenciación de ARN unicelular se vuelva más ampliamente disponible. Para facilitar un uso más amplio, los investigadores han creado un sitio web de investigación y una guía, denominada Planificación Personalizada Basada en la Expresión de Células Individuales para Tratamientos en Oncología (PERCEPTION), para aplicar el modelo de IA a nuevos conjuntos de datos.

Enlaces relacionados:
NIH

Visitar la expo >

Miembro Oro

ENSAYOS TDM PARA ANTIPSICÓTICOS

Saladax Antipsychotic Assays

Verification Panels for Assay Development & QC
Seroconversion Panels

New

Community-Acquired Pneumonia Test

RIDA UNITY CAP Bac

New

Anti-HHV-6 IgM Assay

anti-HHV-6 IgM ELISA (semiquant.)