Herramienta de clasificación del cáncer con IA impulsa tratamientos específicos

Los tumores constan de más de un solo tipo de célula: están compuestos por una variedad de células que crecen y responden al tratamiento de diferentes maneras. Esta variación, conocida como heterogeneidad, plantea un desafío significativo en el tratamiento del cáncer y puede resultar en peores resultados, particularmente en el caso del cáncer de mama triple negativo. Si bien la heterogeneidad es un problema conocido, los científicos aún carecen de conocimiento suficiente para definirla o mapearla con precisión. Hasta la fecha, los investigadores no han podido explicar completamente cómo difieren las células vecinas dentro de un tumor ni cómo organizar estas diferencias para mejorar los enfoques de tratamiento. Sin embargo, este tipo de conocimiento es crucial para determinar cómo eliminar todas las células en un tumor de manera efectiva mediante las terapias apropiadas. Ahora, los científicos han presentado y evaluado una nueva herramienta de inteligencia artificial (IA) diseñada para analizar mejor la complejidad de las células individuales dentro de los tumores, lo que potencialmente permite opciones de tratamiento más personalizadas para los pacientes.

Esta innovadora herramienta de IA, conocida como AAnet, fue creada y entrenada por un grupo internacional de investigadores codirigido por el Instituto Garvan de Investigación Médica (Darlinghurst, Australia). AAnet es capaz de identificar patrones biológicos entre células tumorales. El equipo de investigación aplicó la herramienta para estudiar los patrones de expresión génica en células tumorales individuales, centrándose en modelos preclínicos de cáncer de mama triple negativo, así como en muestras humanas de cáncer de mama ER-positivo, HER2-positivo y triple negativo. Su análisis reveló cinco grupos distintos de células cancerosas dentro de un mismo tumor, cada uno con características únicas de expresión génica que reflejaban diferencias sustanciales en su comportamiento. Estos grupos variaban en sus vías biológicas, probabilidad de metástasis, características de crecimiento y marcadores asociados con pronóstico desfavorable. El equipo planea investigar cómo estos grupos evolucionan con el tiempo, por ejemplo, antes y después de la exposición a la quimioterapia. Esto marca un hito significativo en la investigación del cáncer. Según los investigadores, el uso de AAnet para categorizar las células tumorales según su biología subyacente representa un posible punto de inflexión en el tratamiento del cáncer.

“Visualizamos un futuro en el que los médicos combinen este análisis de IA con los diagnósticos tradicionales de cáncer para desarrollar tratamientos más personalizados que aborden todos los tipos de células dentro del tumor específico de cada persona”, afirmó la profesora Sarah Kummerfeld, coautora principal del estudio y directora científica de Garvan. “Estos resultados representan una verdadera fusión de tecnología de vanguardia y biología que puede mejorar la atención al paciente. Nuestro estudio se centró en el cáncer de mama, pero podría aplicarse a otros tipos de cáncer y enfermedades, como las enfermedades autoinmunes. La tecnología ya existe”.

Enlaces relacionados:
Instituto Garvan de Investigación Médica

Visitar la expo >

Miembro Oro

H-FABP Assay

Heart-Type Fatty Acid-Binding Protein Assay

Software de laboratorio
Acusera 24•7

Thyroid Test

Anti-Thyroid EIA Test

ANALIZADOR AUTOMÁTICO CLIA

Shine i6000