IA identifica pacientes con cáncer de pulmón avanzado que responden a inmunoterapia

La planificación del tratamiento del cáncer de pulmón suele ser compleja debido a las variaciones en la evaluación de los biomarcadores inmunológicos. En un nuevo estudio, los investigadores utilizaron inteligencia artificial (IA) y técnicas de patología digital para mejorar la precisión de dichas evaluaciones.

El estudio realizado por científicos de la Facultad de Medicina de Yale (New Haven, CT, EUA) se centró en cómo la evaluación digital basada en IA podría funcionar frente a los métodos manuales tradicionales para calificar el biomarcador inmunológico PD-L1. El objetivo era ver si un nuevo tratamiento de inmunoterapia llamado atezolizumab podría ser beneficioso para los pacientes que padecen cáncer de pulmón de células no pequeñas (CPCNP) avanzado. Para llevar a cabo esta investigación, se basaron en datos del ensayo de fase III IMpower 110, que examinó la eficacia de atezolizumab frente a la quimioterapia para el tratamiento del CPCNP avanzado. A través de evaluaciones de células tumorales tanto manuales como guiadas por IA, el equipo descubrió que el sistema de IA era más eficiente para identificar pacientes con PD-L1 positivo que los métodos manuales.

Además, el estudio encontró que tanto las técnicas de puntuación manual tradicionales como las basadas en IA eran igualmente competentes para predecir los resultados de los pacientes, incluido cuánto tiempo vivían los pacientes y cuánto tiempo pasaba antes de que progresara el cáncer. Además, el sistema de IA ayudó a confirmar que para los pacientes con un subtipo particular de CPCNP conocido como histología escamosa, la existencia de linfocitos PD-L1+ estaba relacionada con mejores resultados en términos de ralentizar la progresión de la enfermedad cuando se trataban con atezolizumab.

"Nuestro estudio sugiere que la inteligencia artificial tiene la capacidad de mejorar la identificación de pacientes positivos para PD-L1 al proporcionar una precisión predictiva mejor que la puntuación manual", dijo Roy S. Herbst, autor principal del estudio y subdirector del Centro Oncológico de Yale. "La investigación subraya el potencial de la patología digital y las herramientas de IA para mejorar la precisión de la puntuación PD-L1 tanto para la práctica clínica como para los ensayos clínicos".

"Los conocimientos adquiridos con la IA y la puntuación digital podrían facilitar el diagnóstico y la elección del tratamiento adecuado", añadió Herbst. "Nuestros datos muestran que esta tecnología de IA puede ayudar a perfeccionar las estrategias para el tratamiento del cáncer de pulmón de células no pequeñas avanzado".

Enlaces relacionados:
Escuela de Medicina de Yale  

Visitar la expo >

Miembro Oro

Hematology Analyzer

Medonic M32B

Collection and Transport System
PurSafe Plus®

6 Part Hematology Analyzer with RET + IPF

Mispa HX 88

Miembro Oro

Hematology System

Medonic M16C