Prueba de sangre con IA determina respuesta a terapia contra el cáncer

Ampliar las opciones de tratamiento para los pacientes con cáncer de páncreas es vital a medida que se dispone de más terapias experimentales para esta afección. Sin embargo, es fundamental actuar con rapidez, ya que muchos casos de cáncer de páncreas se diagnostican en etapas avanzadas, donde la enfermedad puede progresar rápidamente. Actualmente, los médicos utilizan herramientas de imagen para monitorizar la respuesta a los tratamientos y la progresión tumoral, pero estas herramientas suelen proporcionar resultados tardíos y menos fiables, especialmente en pacientes que reciben inmunoterapias. La inmunoterapia puede complicar la interpretación de estos resultados. Para abordar estos desafíos, un método de inteligencia artificial (IA) que detecta los fragmentos de ADN que los tumores liberan en la sangre del paciente podría ayudar a los médicos a evaluar la eficacia del tratamiento con mayor rapidez y precisión.

Investigadores del Centro Oncológico Kimmel de Johns Hopkins (Baltimore, MD, EUA) probaron la técnica ARTEMIS-DELFI (perfiles de fragmentación de ADNlc de todo el genoma y paisajes de repetición independientes del tumor) utilizando muestras de sangre de participantes en dos importantes ensayos clínicos de tratamientos para el cáncer de páncreas. Los resultados mostraron que ARTEMIS-DELFI podía identificar respuestas terapéuticas con mayor eficiencia. Junto con ARTEMIS-DELFI, también se probó otro método llamado WGMAF (secuenciación del genoma completo del plasma informada por el tumor) para analizar mutaciones. El estudio encontró que tanto ARTEMIS-DELFI como WGMAF fueron mejores predictores de los resultados del tratamiento en comparación con la imagen u otros marcadores clínicos y moleculares dos meses después del inicio del tratamiento. Sin embargo, ARTEMIS-DELFI se consideró el método superior debido a su simplicidad y mayor aplicabilidad.

En su estudio publicado en Science Advances , los investigadores evaluaron estos dos enfoques para monitorear la respuesta al tratamiento en pacientes que participaron en el ensayo CheckPAC de fase 2, que se centró en la inmunoterapia para el cáncer de páncreas. El primer método, WGMAF, analizó el ADN de biopsias tumorales junto con ADN libre celular en muestras de sangre para detectar respuestas al tratamiento. El segundo método, ARTEMIS-DELFI, empleó aprendizaje automático para analizar millones de fragmentos de ADN libre celular solo de las muestras de sangre del paciente. Ambos métodos identificaron con éxito qué pacientes estaban respondiendo a los tratamientos. Sin embargo, no todos los pacientes tenían muestras tumorales y, cuando las tenían, muchas muestras contenían solo una pequeña proporción de células cancerosas, mezcladas con tejidos pancreáticos y otros tejidos normales, lo que dificultó la interpretación de los resultados de WGMAF.

ARTEMIS-DELFI, por otro lado, fue más sencillo, funcionó con un grupo más amplio de pacientes y produjo resultados más fiables. Posteriormente, los investigadores validaron ARTEMIS-DELFI como una herramienta eficaz para monitorizar la respuesta al tratamiento en el segundo ensayo clínico, el ensayo PACTO. Los resultados confirmaron que ARTEMIS-DELFI pudo identificar qué pacientes respondían al tratamiento tan solo cuatro semanas después de su inicio. El siguiente paso del equipo de investigación será realizar estudios prospectivos para comprobar si ARTEMIS-DELFI puede ayudar a los médicos a identificar terapias eficaces de forma más eficiente y mejorar los resultados de los pacientes. Además, se podría aplicar un enfoque similar para monitorizar otros tipos de cáncer. A principios de este año, el equipo realizó un estudio que demostró que una variante de este método de monitorización de la fragmentación libre de células, DELFI-TF, también era útil para evaluar la respuesta a la terapia del cáncer de colon.

“El enfoque ARTEMIS-DELFI de 'fallo rápido' puede ser particularmente útil en el cáncer de páncreas, donde un cambio rápido de terapia podría ser beneficioso en pacientes que no responden a la terapia inicial”, afirmó Carolyn Hruban, autora principal del estudio. “Es más sencillo, probablemente menos costoso y de mayor aplicación que el uso de muestras tumorales”.

Enlaces relacionados:
Centro Oncológico Kimmel de Johns Hopkins

Visitar la expo >

Miembro Platino

Analizador de coagulación automatizado

Hemolumi H6

Miembro Oro

Electrolyte Analyzer

CBS-4000 (CBS-400)

New

Solución de automatización para laboratorios de microbiología

BD Kiestra™ ReadA+BarcodA

ANALIZADOR DE ORINA

respons® UDS100