Los investigadores utilizaron inteligencia artificial para predecir la actividad de miles de genes en tumores basándose en imágenes de biopsias tumorales obtenidas de forma rutinaria. Esto podría guiar el tratamiento sin necesidad de realizar costosas pruebas genómicas.
Para determinar el tipo y la gravedad de un cáncer, los patólogos suelen analizar cortes finos de una biopsia del tumor bajo un microscopio. Pero para averiguar qué cambios genómicos impulsan el crecimiento del tumor (información que puede orientar su tratamiento), los científicos deben realizar la secuenciación genética del ARN aislado del tumor, un proceso que puede llevar semanas y cuesta miles de dólares.
Ahora, investigadores de Stanford Medicine han desarrollado un programa computacional impulsado por inteligencia artificial que puede predecir la actividad de miles de genes dentro de las células tumorales basándose únicamente en imágenes microscópicas estándar de la biopsia. La herramienta, descrita en línea en Nature Communications el 14 de noviembre, se creó utilizando datos de más de 7.000 muestras tumorales diversas. El equipo demostró que podía utilizar imágenes de biopsias recopiladas de manera rutinaria para predecir variaciones genéticas en cánceres de mama y para predecir los resultados de los pacientes.
«Este tipo de software podría utilizarse para identificar rápidamente las firmas genéticas en los tumores de los pacientes, acelerando la toma de decisiones clínicas y ahorrándole al sistema de salud miles de dólares», dijo Olivier Gevaert , PhD, profesor de ciencia de datos biomédicos y autor principal del artículo.
El trabajo también fue dirigido por la estudiante de posgrado de Stanford Marija Pizuria y los investigadores postdoctorales Yuanning Zheng , PhD, y Francisco Pérez , PhD.
Impulsado por la genómica
Los médicos clínicos han guiado cada vez más la selección de los tratamientos contra el cáncer (incluidas las quimioterapias, inmunoterapias y terapias basadas en hormonas) que recomiendan a sus pacientes, no solo en función del órgano afectado por el cáncer del paciente, sino también de los genes que utiliza el tumor para impulsar su crecimiento y propagación. La activación o desactivación de ciertos genes podría hacer que un tumor sea más agresivo, más propenso a hacer metástasis o más o menos propenso a responder a ciertos medicamentos.
Sin embargo, acceder a esta información a menudo requiere una secuenciación genómica costosa y que consume mucho tiempo.
Gevaert y sus colegas sabían que la actividad genética dentro de células individuales puede alterar la apariencia de esas células de maneras que a menudo son imperceptibles para el ojo humano. Recurrieron a la inteligencia artificial para encontrar esos patrones.
Los investigadores comenzaron con 7.584 biopsias de cáncer de 16 tipos diferentes. Cada biopsia había sido cortada en secciones finas y preparadas utilizando un método conocido como tinción con hematoxilina y eosina, que es el estándar para visualizar el aspecto general de las células cancerosas. También estaba disponible información sobre los transcriptomas de los cánceres (qué genes utilizan activamente las células).
Un modelo de trabajo
Después de que los investigadores integraran sus nuevas biopsias de cáncer, así como otros conjuntos de datos, incluidos datos transcriptómicos e imágenes de miles de células sanas, el programa de IA, al que llamaron SEQUOIA (cuantificación de expresión basada en diapositivas utilizando atención linealizada), pudo predecir los patrones de expresión de más de 15.000 genes diferentes a partir de las imágenes teñidas. Para algunos tipos de cáncer, la actividad genética predicha por la IA tenía una correlación de más del 80% con los datos de actividad genética real. En general, cuantas más muestras de un tipo de cáncer determinado se incluían en los datos iniciales, mejor funcionaba el modelo en ese tipo de cáncer.
“Fueron necesarias varias iteraciones del modelo para llegar al punto en el que estábamos satisfechos con el rendimiento”, dijo Gevaert. “Pero, en última instancia, para algunos tipos de tumores, llegó a un nivel en el que puede ser útil en la clínica”.
Gevaert señaló que los médicos no suelen analizar los genes uno a uno para tomar decisiones clínicas, sino las firmas genéticas que incluyen cientos de genes diferentes. Por ejemplo, muchas células cancerosas activan los mismos grupos de cientos de genes relacionados con la inflamación o cientos de genes relacionados con el crecimiento celular. En comparación con su desempeño en la predicción de la expresión genética individual, SEQUOIA fue incluso más preciso en la predicción de si se activaron programas genómicos tan grandes.
Para que los datos fueran accesibles y fáciles de interpretar, los investigadores programaron SEQUOIA para mostrar los hallazgos genéticos como un mapa visual de la biopsia del tumor, permitiendo a los científicos y médicos ver cómo las variaciones genéticas podrían ser distintas en diferentes áreas de un tumor.
Predicción de los resultados del paciente
Para comprobar la utilidad de SEQUOIA en la toma de decisiones clínicas, Gevaert y sus colegas identificaron genes del cáncer de mama cuya expresión el modelo podía predecir con precisión y que ya se utilizan en pruebas genómicas comerciales para el cáncer de mama. (Por ejemplo, la prueba MammaPrint, aprobada por la Administración de Alimentos y Medicamentos, analiza los niveles de 70 genes relacionados con el cáncer de mama para proporcionar a las pacientes una puntuación del riesgo de que su cáncer vuelva a aparecer).
“El cáncer de mama tiene una serie de firmas genéticas muy bien estudiadas que, como se ha demostrado en la última década, están altamente correlacionadas con las respuestas al tratamiento y los resultados de los pacientes”, afirmó Gevaert. “Esto lo convirtió en un caso de prueba ideal para nuestro modelo”.
El equipo demostró que SEQUOIA podía proporcionar el mismo tipo de puntuación de riesgo genómico que MammaPrint utilizando únicamente imágenes teñidas de biopsias tumorales. Los resultados se repitieron en varios grupos diferentes de pacientes con cáncer de mama. En cada caso, las pacientes identificadas como de alto riesgo por SEQUOIA tuvieron peores resultados, con mayores tasas de recurrencia del cáncer y un tiempo más corto antes de que el cáncer volviera a aparecer.
El modelo de IA aún no se puede utilizar en un entorno clínico (debe probarse en ensayos clínicos y recibir la aprobación de la FDA antes de que se utilice para orientar las decisiones de tratamiento), pero Gevaert dijo que su equipo está mejorando el algoritmo y estudiando sus posibles aplicaciones. En el futuro, dijo, SEQUOIA podría reducir la necesidad de costosas pruebas de expresión genética.
“Hemos demostrado lo útil que puede ser esto para el cáncer de mama y ahora podemos usarlo para todos los tipos de cáncer y observar cualquier firma genética que exista”, afirmó. “Es una fuente de datos completamente nueva que no teníamos antes”.
Los científicos de Roche Diagnostics también fueron autores del artículo.
Esta investigación fue financiada por el Instituto Nacional del Cáncer (subvención R01 CA260271), una beca de la Fundación Educativa Belga Americana, una subvención de Fonds Wetenschappelijk Onderzoek-Vlaanderen, la Comisión Española Fulbright y la Universidad de Gante. StanfordReport. Traducido al español
Contacto