Un modelo de IA podría ayudar a identificar tumores de sitio primario desconocido

Investigadores del Instituto Oncológico Dana-Farber y del Instituto Tecnológico de Massachusetts (MIT) desarrollaron una herramienta basada en inteligencia artificial (IA) que permite predecir el origen primario de un tumor canceroso. El estudio fue publicado en la revista ´Nature Medicine´, así como también en la página del MIT. 

Esta herramienta predictiva, denominada ´OncoNPC´, la abreviatura de Oncology NGS-based Primary cancer type Classifier, podría ayudar a guiar el tratamiento del cáncer y mejorar los resultados en casos difíciles de diagnosticar. 

Utilizando el aprendizaje automático, los investigadores crearon un modelo computacional que analiza la secuencia de unos 400 genes. De esta forma, la herramienta podría facilitar la identificación del origen de los tumores de cáncer en pacientes en los que no se puede determinar su ubicación exacta. Es decir, predecir el origen del tumor en el cuerpo.  

El modelo fue capaz de clasificar con precisión al menos el 40% de los tumores con origen desconocido en un conjunto de datos de 900 pacientes. Esto permitiría aumentar el número de pacientes que podrían recibir un tratamiento dirigido y basado en su genoma. 

Respecto a los tumores con tipos conocidos, OncoNPC predijo con precisión el origen de alrededor del 80%, incluidos los metastásicos, utilizando un subconjunto de casos que no se habían utilizado como datos de entrenamiento.  

Asimismo, OncoNPC podría ayudar a los médicos a tomar decisiones terapéuticas y orientarlos hacia tratamientos personalizados para los pacientes con cáncer de origen desconocido.  

Cuando se trata del cáncer de origen primario, este se diagnostica mediante una serie de pruebas diagnósticas estandarizadas, que incluyen evaluaciones radiológicas y patológicas basadas en portaobjetos de células extraídas de una biopsia tumoral.  

Sin embargo, entre el 3-5% de los casos de cáncer no se puede determinar el origen del tumor, lo que implica que a esos pacientes se les diagnostica un cáncer de sitio primario desconocido y, por ende, las opciones de tratamiento son escasas, debido a esa falta de precisión.   

Es por ello que esta herramienta representa una esperanza.

"Consideramos la predicción de ´OncoNPC´ como un empujón, una forma de ofrecer una posible explicación del cáncer que ayude a orientar el tratamiento adecuado, incluida la medicina de precisión", afirma el doctor Alexander Gusev, investigador del Dana-Farber y autor principal del estudio. 

Una forma de ayudar a los médicos a seleccionar tratamientos que mejoren la supervivencia. 

Construcción del modelo

Los investigadores entrenaron y validaron un clasificador de aprendizaje automático para construir el modelo. Para ello, utilizaron los historiales médicos de 36.445 pacientes con tumores primarios conocidos de tres grandes centros oncológicos, entre ellos Dana-Farber.