Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros

Deascargar La Aplicación Móvil




Herramienta de IA predice la no respuesta a terapia dirigida en cáncer colorrectal

Por el equipo editorial de LabMedica en español
Actualizado el 21 Apr 2026
Imagen: Diagrama de flujo que resume el flujo de trabajo (Thomas, V., Nyamundanda, G., Lärkeryd, A. et al. Sci Rep 16, 8843 (2026). https://doi.org/10.1038/s41598-026-39189-w)
Imagen: Diagrama de flujo que resume el flujo de trabajo (Thomas, V., Nyamundanda, G., Lärkeryd, A. et al. Sci Rep 16, 8843 (2026). https://doi.org/10.1038/s41598-026-39189-w)

El cáncer de intestino avanzado sigue siendo difícil de tratar, y muchos pacientes reciben terapias dirigidas que no les benefician, sino que incluso les causan daño. Los médicos necesitan métodos fiables para identificar a los pacientes con mayor probabilidad de responder al tratamiento antes de someterlos a regímenes tóxicos.

Investigadores han desarrollado un método de inteligencia artificial (IA) que estratifica a los pacientes que reciben bevacizumab para el cáncer colorrectal metastásico. Este método está diseñado para orientar a los pacientes hacia mejores opciones terapéuticas, alejándolos de tratamientos ineficaces.

El enfoque se centra en PhenMap, una herramienta de IA que integra características genómicas del tumor con variables clínicas como el sexo, la edad y la lateralidad del tumor para detectar patrones biológicos vinculados a la respuesta al tratamiento. PhenMap reduce las agrupaciones de subtipos generales a patrones más específicos y ubica a los pacientes en una escala continua.

Posteriormente, una segunda herramienta de IA convierte estos patrones en una puntuación de riesgo pronóstico. Los pacientes se clasifican en riesgo alto, moderado o bajo según la distribución de la puntuación.

En un estudio con 117 pacientes europeos tratados con bevacizumab y quimioterapia, el 10% con las puntuaciones más altas se clasificó como de alto riesgo, el 10% con las más bajas como de bajo riesgo y el resto como de riesgo moderado. Ninguno de los pacientes del grupo de alto riesgo respondió al tratamiento.

El complejo patrón de características que define a este grupo de alto riesgo podría servir como biomarcador para identificar a los pacientes que probablemente no respondan al tratamiento. El análisis también reveló que todos los pacientes portadores de una mutación BRAF pertenecían a la categoría de alto riesgo y presentaban malos resultados.

El bevacizumab fue aprobado en diciembre para el tratamiento del cáncer de intestino avanzado en el Servicio Nacional de Salud (NHS), pero solo beneficia a una minoría y puede causar efectos adversos graves, como hipertensión arterial, problemas gastrointestinales y coágulos sanguíneos.

Investigadores del Instituto de Investigación del Cáncer (ICR; Londres, Reino Unido) y de la Universidad de Medicina y Ciencias de la Salud RCSI (Dublín, Irlanda) planean validar el método en cohortes adicionales y desarrollarlo como prueba para un ensayo clínico prospectivo. También explorarán si este enfoque predice la respuesta a otras terapias dirigidas y si puede extenderse a otros tipos de cáncer. El estudio se publicó en Scientific Reports el 13 de abril de 2026.

“Nuestra investigación utiliza métodos avanzados de IA para recopilar grandes cantidades de datos complejos, lo que nos ayuda a detectar patrones que de otro modo serían imposibles de percibir para un ser humano y a descubrir las pistas ocultas en el tumor de un paciente. En nuestra investigación, hemos demostrado que esto nos permite identificar a los pacientes con menor probabilidad de responder al tratamiento con bevacizumab”, afirmó Anguraj Sadanandam, catedrático de Estratificación y Medicina de Precisión del Instituto de Investigación del Cáncer de Londres.

“Si bien estos hallazgos son alentadores, deberán validarse en una cohorte más amplia para garantizar su aplicabilidad a todos los pacientes. En el futuro, espero que este enfoque dé lugar a una prueba que los médicos puedan utilizar para asegurar que los pacientes reciban una atención personalizada con la mayor probabilidad de éxito contra su cáncer”, dijo el profesor Sadanandam.

"La IA ha revolucionado la investigación oncológica, permitiéndonos analizar rápidamente grandes y complejos conjuntos de datos y predecir cómo responderán los pacientes al tratamiento. Esta investigación es un claro ejemplo de cómo el ICR está aprovechando la IA para desarrollar terapias más inteligentes y menos agresivas, y administrarlas a los pacientes con mayor rapidez", declaró el profesor Kristian Helin, director ejecutivo del Instituto de Investigación Oncológica de Londres.

"Este enfoque también tiene el potencial de explorarse en muchos tipos de cáncer, y será interesante observar si el método puede predecir las respuestas a otras terapias dirigidas en diversos tipos de cáncer", dijo el profesor Helin.

Enlaces relacionados
The Institute of Cancer Research

New
Miembro Oro
Nucleic Acid Extractor System
NEOS-96 XT
New
Miembro Oro
Automatic Hematology Analyzer
CF9600
New
Automated Clinical Chemistry Analyzer
Envoy 500+
New
Food Allergy Screening ELISA Kit
Allerquant 14G B ELISA

Canales

Química Clínica

ver canal
Imagen: la prueba de pTau217 en plasma puede predecir la futura acumulación de amiloide y el deterioro cognitivo en adultos mayores cognitivamente sanos (fotografía cortesía de Shutterstock)

Análisis de sangre predice riesgo de enfermedad de Alzheimer antes de cambios en imágenes y síntomas

La enfermedad de Alzheimer suele progresar silenciosamente durante años, lo que dificulta la estratificación de riesgos oportuna en la práctica clínica habitual.... Más

Diagnóstico Molecular

ver canal
Imagen: la prueba ultrasensible detectó ADN de M. tuberculosis en pacientes que es poco probable que sean diagnosticados con los métodos actuales (fotografía cortesía de Adobe Stock)

Ensayo ultrasensible revela tuberculosis previamente no detectada en pacientes hospitalarios

La tuberculosis sigue siendo la principal causa de muerte por enfermedad infecciosa en todo el mundo, y su diagnóstico puede ser difícil cuando la carga bacteriana es baja o la enfermedad es atípica.... Más

Inmunología

ver canal
Imagen: Filipe Lima, primer autor del artículo (foto cortesía de FMRP-USP)

Método de cribado combinado permite identificar casos de lepra en etapas tempranas

La lepra sigue siendo un problema importante de salud pública, con más de 200.000 casos nuevos notificados anualmente en todo el mundo, y la enfermedad temprana a menudo escapa a la detección... Más

Patología

ver canal
Imagen: Flujo de trabajo de resumen del informe de patología de LLM (Yirong Liu et al, JCO Clinical Cancer Informatics (2026). DOI: 10.1200/cci-25-00284)

La IA ayuda a los clínicos con informes complejos de patología oncológica

Los equipos de oncología dependen cada vez más de informes de patología que integran histopatología, inmunohistoquímica y pruebas de biomarcadores en rápida e... Más

Industria

ver canal
Imagen: el ensayo Access MeMed BV está validado para su uso en toda la base instalada de analizadores de inmunoensayo DxI 9000 y Access 2 de Beckman Coulter (fotografía cortesía de Beckman Coulter)

Beckman Coulter obtiene el marcado CE para un ensayo rápido que distingue infecciones bacterianas de virales

Los médicos a menudo tienen dificultades para distinguir las infecciones bacterianas de las virales en la primera consulta, ya que los síntomas se superponen y los resultados definitivos... Más
Copyright © 2000-2026 Globetech Media. All rights reserved.