Herramienta inmunooncológica de IA predice resultados del tratamiento del cáncer de pulmón

Los inhibidores de los puntos de control inmunitario (ICI) se utilizan para tratar el cáncer de pulmón de células no pequeñas (CPCNP) al mejorar la capacidad del sistema inmunitario para combatir el cáncer. Sin embargo, identificar qué pacientes se beneficiarán más con este tratamiento sigue siendo un desafío. Ahora, los avances en inteligencia artificial (IA) y herramientas de diagnóstico ofrecen el potencial de mejorar los resultados del tratamiento y las tasas de supervivencia para los pacientes con CPCNP al ayudar a los médicos a predecir con mayor precisión su respuesta a la terapia con ICI.

Los investigadores de la SUNY Upstate Medical University (Syracuse, NY, EUA) han desarrollado HistoTME, una herramienta de inteligencia artificial asequible y fácil de implementar. Este algoritmo avanzado de aprendizaje profundo analiza imágenes histopatológicas teñidas de forma rutinaria de muestras tumorales para predecir subtipos moleculares (basándose en la secuenciación masiva de ARN), lo que proporciona información sobre el microambiente tumoral (TME). Al examinar estas imágenes patológicas, HistoTME identifica tipos de células específicos en el tejido tumoral circundante, lo que ofrece información valiosa sobre la composición única del TME del paciente. Esto es crucial para predecir las respuestas personalizadas al tratamiento ICI, especialmente en pacientes con baja expresión de PD-L1, un marcador clave que se usa comúnmente en diagnósticos complementarios. El algoritmo se validó en un conjunto de datos multimodal que comprende más de 650 pacientes con cáncer de pulmón y más de 1.500 imágenes.

Imagen: HistoTME lee imágenes de histopatología teñidas de forma rutinaria de muestras de tumores (Foto cortesía de Adobe Stock)

Los investigadores esperan que este método ayude a los médicos a seleccionar planes de tratamiento personalizados con mayor precisión y rentabilidad, especialmente para pacientes que no tienen acceso a pruebas moleculares costosas. Además, esta prueba podría complementar los diagnósticos adicionales existentes, que a menudo tienen dificultades para identificar a los pacientes adecuados para los tratamientos correctos. La siguiente fase del estudio implicará la validación clínica de HistoTME, que evaluará aún más su eficacia en entornos clínicos del mundo real y puede conducir a su integración en la atención oncológica de rutina.

"Los diagnósticos y pronósticos impulsados por IA tienen el potencial de transformar el futuro de las prácticas de atención médica y la oncología de precisión", dijo la investigadora de Upstate Tamara Jamaspishvili, MD/PhD, quien ganó el premio al "Mejor póster de investigación" para la facultad en la conferencia nacional de la Asociación de Patología Digital, PathVisions 2024 por su trabajo utilizando IA y patología computacional para mejorar el diagnóstico y el tratamiento del cáncer.