Herramienta de patología digital predice resultados del cáncer de mama y respuesta al tratamiento
Actualizado el 26 Jul 2026
El pronóstico del cáncer de mama a menudo depende de la evaluación microscópica de la arquitectura tumoral, un proceso que puede ser subjetivo y dar lugar a predicciones variables entre distintos grupos de pacientes. Las medidas cuantitativas que capturan la organización del tejido podrían ayudar a los laboratorios a ofrecer estimaciones de riesgo más consistentes y orientar la selección del tratamiento. Muchos marcadores génicos y proteicos también muestran un rendimiento fluctuante entre grupos raciales y étnicos, lo que subraya la necesidad de alternativas robustas. Un nuevo estudio muestra que las mediciones basadas en topología de la estructura tumoral pueden mejorar la predicción de los resultados y de la respuesta al tratamiento.
Investigadores del Centro Médico Irving de la Universidad de Columbia y sus colaboradores desarrollaron un conjunto de biomarcadores basados en topología que convierten los patrones visuales del tejido tumoral mamario en puntuaciones numéricas continuas. El enfoque aplica herramientas matemáticas de la topología para formalizar el “orden frente al desorden” que los patólogos han evaluado durante mucho tiempo a simple vista. Los investigadores informan que estas puntuaciones transforman las impresiones cualitativas de la organización del tejido en lecturas cuantitativas y reproducibles.
El método utiliza homología persistente para analizar imágenes digitales, centrándose en la disposición espacial de las células tumorales e inmunitarias, en lugar de considerar únicamente qué tipos de células están presentes. Mediante inmunofluorescencia múltiple, el equipo mapeó las coordenadas de las células tumorales, las células inmunitarias y la expresión del ligando 1 de muerte celular programada (PD-L1). Posteriormente, modelos computacionales cuantificaron los patrones arquitectónicos en todo el tejido y generaron puntuaciones basadas en topología que reflejan su organización en una escala continua.
Los datos del estudio incluyeron muestras de más de 550 pacientes con cáncer de mama en una cohorte de Carolina del Norte racialmente diversa. Las puntuaciones topológicas más altas, que reflejan una estructura tisular más organizada, se asociaron con una mayor supervivencia y resultados más favorables. Los biomarcadores basados en topología superaron a varios enfoques convencionales y siguieron siendo altamente predictivos tanto en grupos de pacientes negros no hispanos como blancos no hispanos.
Los investigadores también integraron las mediciones topológicas con la expresión génica para generar firmas génicas derivadas de la topología que predijeron la respuesta al tratamiento en conjuntos de datos independientes de ensayos clínicos de cáncer de mama. Los análisis vincularon las puntuaciones topológicas bajas con vías biológicas implicadas en el metabolismo, la supresión inmunitaria y la transición epitelio-mesénquima, con una conexión observada con la enzima metabólica IL4I1 y la señalización del aril hydrocarbon receptor.
Los hallazgos se publican en Cancer Research, y los autores señalan que se necesitarán validaciones adicionales y estudios clínicos antes de su uso rutinario en la práctica clínica.
Los investigadores están trabajando para extender el enfoque desde la inmunofluorescencia multiplex a las láminas de anatomía patológica estándar que se usan ampliamente en la práctica clínica. Si tiene éxito, el método podría complementar los flujos de trabajo existentes al incorporar medidas cuantitativas de la arquitectura tisular al análisis digital de patología. El equipo destaca el potencial de un acceso más amplio a diagnósticos avanzados si estas herramientas computacionales pueden aplicarse a preparaciones de láminas de uso común.
"Durante más de un siglo, la patología ha dependido de reconocer patrones visualmente. Lo emocionante ahora es que podemos empezar a definir matemáticamente esos patrones y usarlos de manera predictiva. El potencial a largo plazo es que los diagnósticos avanzados de cáncer podrían volverse más rápidos, más cuantitativos, más precisos y mucho más accesibles de forma generalizada de lo que son hoy", dijo el Dr. Kevin Gardner, jefe del Departamento de Patología y Biología Celular del Centro Médico Irving de la Universidad de Columbia y autor principal del estudio.
Enlaces relacionados
Columbia University Irving Medical Center