Identifican el cáncer de próstata mediante el análisis de los subconjuntos de células inmunes

Con un estimado de 1,8 millones de casos nuevos, solo en 2018, el cáncer de próstata es el cuarto cáncer más común en el mundo. El diagnóstico temprano de la enfermedad aumenta las posibilidades de supervivencia, pero este cáncer sigue siendo difícil de detectar.

La mejor prueba de diagnóstico actualmente disponible mide el nivel en sangre de una proteína llamada antígeno prostático específico (PSA, por sus siglas en inglés). Las cantidades elevadas de PSA pueden significar que el paciente tiene cáncer, pero el 15% de las personas con cáncer de próstata tienen niveles normales de la proteína.

Un equipo de científicos de la Universidad de Nottingham Trent (Nottingham, Reino Unido) y sus colegas, obtuvieron muestras de sangre periférica de individuos sospechosos de tener cáncer de próstata que asistieron a la Clínica de Urología del Hospital General de Leicester (Leicester, Reino Unido), entre el 24 de octubre de 2012 y el 15 de agosto de 2014. Se extrajo sangre periférica (60 mL) de todos los pacientes mediante procedimientos clínicos estándar y se extrajo la fracción de células mononucleares de sangre periférica (PBMC). Las PBMC se procesaron e incubaron con un panel de anticuerpos monoclonales (mAb). Los datos sobre las células viables se obtuvieron en un plazo de 1 hora usando un citómetro de flujo de 10 colores/3 láser Gallios (Beckman Coulter, Indianápolis, IN, EUA).

El equipo recolectó y examinó las células asesinas naturales (natural killer) de 72 participantes con niveles de PSA ligeramente elevados y sin otros síntomas. Entre ellos, 31 personas tenían cáncer de próstata y 41 estaban sanas. Estos datos biológicos se utilizaron luego para producir modelos informáticos que pudieran detectar la presencia de la enfermedad, así como para evaluar su gravedad. Los algoritmos se desarrollaron mediante el aprendizaje automático, donde se utiliza la información previa del paciente para realizar predicciones sobre nuevos datos.

Los métodos estadísticos y computacionales identificaron un panel de ocho características fenotípicas (CD56dimCD16high, CD56+ DNAM−1−, CD56+ LAIR−1+, CD56+ LAIR−1−, CD56brightCD8+, CD56+NKp30+, CD56+NKp30+, CD56+NKp46+) que, cuando se incorporan a un modelo de predicción de aprendizaje automático, Ensemble, diferencia entre la presencia de enfermedad de próstata benigna y el cáncer de próstata. Luego, el modelo de aprendizaje automático se adaptó para predecir la Clasificación de riesgo de D'Amico utilizando datos de 54 pacientes con cáncer de próstata y se demostró que diferenciaba con exactitud entre la presencia de enfermedad de riesgo bajo/intermedio y la enfermedad de alto riesgo, sin la necesidad de datos clínicos adicionales.

Los autores concluyeron que su estudio dio como resultado una nueva herramienta de detección que era un 12,5% más exacta que la prueba de PSA, para detectar el cáncer de próstata; y en una herramienta de detección con una exactitud del 99% para predecir el riesgo de la enfermedad (en términos de importancia clínica) en personas con cáncer de próstata. Este simple análisis de sangre tiene el potencial de transformar el diagnóstico del cáncer de próstata. El estudio fue publicado el 28 de julio de 2020 en la revista eLife.

Enlace relacionado:
Universidad de Nottingham Trent
Hospital General de Leicester