Modelo de aprendizaje automático predice el origen tumoral en cánceres de origen primario desconocido

Los cánceres de origen primario desconocido (CUP, por sus siglas en inglés) son neoplasias malignas metastásicas cuyo sitio primario no se puede identificar, lo que dificulta la selección del tratamiento. En consecuencia, muchos pacientes reciben quimioterapia inespecífica y generalizada, asociada a peores resultados que la quimioterapia dirigida al sitio específico.

Se ha explorado el perfil molecular para inferir el tejido de origen, pero no ha demostrado mejoras claras en la supervivencia en los ensayos clínicos. Ahora, los investigadores presentan un enfoque de aprendizaje automático que clasifica los CUP utilizando patrones de metilación del ADN CpG.

Investigadores de la Universidad de Kindai (Osaka, Japón) desarrollaron un modelo computacional que analiza la metilación del ADN de citosina-fosfato-guanina (CpG) para inferir el origen tumoral, y presentaron el trabajo en la Reunión Anual de la Asociación Estadounidense para la Investigación del Cáncer (AACR) de 2026. El método considera la metilación de CpG como una "huella dactilar" molecular específica de cada tejido que puede persistir tras la metástasis. El clasificador fue diseñado para distinguir entre 21 tipos de cáncer.

Este enfoque aplica el aprendizaje automático a los perfiles de metilación tumoral para identificar loci informativos y generar firmas específicas para cada clase. Los investigadores buscaron reemplazar conjuntos de características extensos y complejos con un conjunto de marcadores más pequeño y práctico, manteniendo el rendimiento. Seleccionaron aproximadamente 1000 regiones CpG de entre cientos de miles en todo el genoma para conformar el panel predictivo.

El modelo se entrenó y probó utilizando datos de metilación de casi 7500 pacientes con 21 tipos de cáncer, obtenidos del Atlas del Genoma del Cáncer (TCGA) y otros conjuntos de datos públicos. Los datos se dividieron en cohortes de entrenamiento y prueba para desarrollar y evaluar el clasificador.

En las pruebas independientes, identificó correctamente el tipo de cáncer en aproximadamente el 95 % de los casos, y alcanzó una precisión de aproximadamente el 87 % en una cohorte de validación independiente de la institución de los investigadores, que comprendía 31 casos que representaban 17 tipos de cáncer.

Los investigadores observaron que, en el caso del CUP, solo entre el 15 % y el 20 % de los pacientes presentan características que permiten una terapia específica para la localización del tumor, mientras que entre el 80 % y el 85 % reciben quimioterapia más generalizada; la supervivencia reportada puede alcanzar hasta 24 meses con el tratamiento dirigido a la localización específica, en comparación con seis a nueve meses con la atención estándar.

Una limitación clave del presente estudio es que el modelo se desarrolló utilizando cánceres de origen conocido en lugar de verdaderos CUP, lo que subraya la necesidad de una evaluación prospectiva en esta población. El equipo también destacó las dificultades para obtener tejido para pruebas genéticas e identificó la biopsia basada en sangre, utilizando ADN tumoral circulante, como una prioridad para futuras adaptaciones.

"Nuestros hallazgos sugieren que los métodos basados en el ADN pueden ayudar a identificar dónde pudo haberse originado un cáncer, incluso cuando el tumor original no es visible. Al utilizar un conjunto de marcadores mucho más reducido y específico, este enfoque podría hacer que este tipo de pruebas sean más prácticas y accesibles en el futuro", afirmó Marco A. De Velasco, doctor en Biología Genómica y miembro del profesorado de la Universidad Kindai en Japón.

"En general, consideramos que esta investigación forma parte de un esfuerzo más amplio para comprender mejor el cáncer mediante información molecular, con el objetivo de brindar una atención más informada y personalizada en el futuro. Sin embargo, este trabajo aún se encuentra en fase de investigación. A continuación, debemos evaluar el rendimiento de este enfoque en un análisis prospectivo de pacientes con cánceres de origen primario desconocido”, añadió De Velasco.

Enlaces relacionados
Universidad de Kindai

Visitar la expo >

Miembro Oro

Automatic Hematology Analyzer

CF9600

Miembro Oro

H-FABP Assay

Heart-Type Fatty Acid-Binding Protein Assay

Automated Clinical Chemistry Analyzer

Envoy 500+

Automated Urinalysis Solution

UN-9000