Su descubrimiento es significativo porque elimina la necesidad de comparar el ARN del tumor con el ADN de las células sanas. El aprendizaje automático, la aplicación de inteligencia artificial (IA) usando computadoras, se puede utilizar para emparejar a un paciente con cáncer con la mejor inmunoterapia.
Este proceso, que utiliza modelos matemáticos de datos para ayudar a una computadora a aprender sin instrucciones directas y continuar aprendiendo y mejorando por sí solo en función de la experiencia, ahora puede ayudar a los oncólogos a decidir qué tratamiento específico se debe usar.
Los especialistas en cáncer no son los únicos que quieren saber esto, sino también las organizaciones de mantenimiento de la salud y las compañías privadas de seguros de salud. Esto se debe a que la inmunoterapia o bioterapia, que ayuda al sistema inmunitario a combatir el cáncer utilizando glóbulos blancos, órganos y tejidos del sistema linfático, es muy costosa.
El estudio
Ahora, un nuevo estudio realizado por el Prof. Keren Yizhak de la Facultad de Medicina de Rappaport en el Instituto de Tecnología Technion-Israel de Haifa utiliza IA para crear un método simple y económico para responder a esta pregunta para cada paciente individual.
Sus hallazgos se publicaron recientemente con el título "Estimación de la carga mutacional del tumor a partir de la secuenciación de ARN sin una muestra normal coincidente" en la prestigiosa revista Nature Communications y se seleccionaron para aparecer en la página web "Editor's Highlights" sobre el cáncer.
El estudio fue dirigido por el Dr. Rotem Katzir y el estudiante de licenciatura en ciencias Noam Rudberg, ambos de la Facultad de Ciencias de la Computación de Taub.
Antecedentes del estudio
La inmunoterapia es un desarrollo reciente en el mundo de los tratamientos contra el cáncer y ha puesto en remisión completa a pacientes que no podían ser ayudados por otros medios. También reduce muchos de los efectos secundarios de la quimioterapia.
Existen numerosos tratamientos inmunoterapéuticos, pero se diferencian del nuevo estudio en que el principio bajo el que operan todos es estimular el sistema inmunitario del paciente para atacar las células tumorales.
¿Cómo distingue el sistema inmunitario entre las células cancerosas que debe atacar y las células sanas del cuerpo? Cuantas más mutaciones haya acumulado el tumor, más se diferenciará de las células “normales” y, por lo tanto, la inmunoterapia puede ser más eficaz. Esta característica se denomina carga de mutación tumoral. Un TMB más alto significa más mutaciones nuevas. El método de Yitzhak simplifica significativamente su medición.
Actualmente, la TMB se mide tomando células del tumor y comparando su ADN con el de las células sanas del paciente. Yizhak y su equipo sugieren hacer dos cambios en este proceso.
El primer cambio, ya explorado en un artículo publicado anteriormente por el grupo, es comparar moléculas de ARN en lugar de moléculas de ADN. Esto marca la diferencia porque las moléculas de ADN contienen la totalidad del genoma humano, mientras que las de ARN son pequeñas partes del código genético que se copian para usarse como instrucciones dentro de la célula. En su estudio anterior, el grupo mostró que las moléculas de ARN también se pueden usar para identificar mutaciones específicas del cáncer.
Que significa todo esto?
Su descubrimiento es significativo porque elimina la necesidad de comparar el ARN del tumor con el ADN de las células sanas.
Como resultado, se necesita secuenciar una cantidad menor de material genético, lo que permite que el paciente sea sometido a un procedimiento menos. En lugar de comparar el material genético del tumor con el material genético sano del propio paciente, desarrollaron un algoritmo de aprendizaje automático que fue entrenado para reconocer aberraciones del genoma sano y diferenciarlas de la variación natural que existe entre las personas.
En segundo lugar, utilizando estas predicciones, pudieron calcular una métrica TMB basada en ARN. De hecho, este método demostró ser más efectivo que el método estándar para estimar la efectividad prevista de la inmunoterapia para un paciente determinado. Se cree que este es el caso porque el ARN contiene las partes del genoma que están en uso constante y, por lo tanto, pueden iniciar una respuesta inmunitaria. Es menos probable que las mutaciones en partes del genoma que no están en uso afecten el funcionamiento de la célula.
El desarrollo del algoritmo fue posible gracias al uso de una gran base de datos existente en la que se podía entrenar a la computadora con respecto al ARN secuenciado de pacientes con cáncer. El laboratorio de Yizhak es en realidad un laboratorio "seco" computacional, en lugar de uno con tubos de ensayo y otra parafernalia para experimentar con sustancias reales, que utiliza la gran cantidad de datos clínicos recopilados por la comunidad científica de todo el mundo para hacer nuevos descubrimientos y desarrollar nuevas herramientas para ayudar a los pacientes.