El cáncer de próstata (CaP) localizado o localmente avanzado de alto riesgo se trata comúnmente con radioterapia (RT) combinada con terapia de deprivación androgénica (ADT) a largo plazo (LT-ADT, 24-36 meses). Aunque la LT-ADT mejora la supervivencia, está asociada con morbilidad significativa (efectos cardiovasculares, metabólicos y cognitivos).
La definición de alto riesgo en cáncer de próstata se basa en varios factores clínicos y patológicos que indican una mayor probabilidad de progresión y mortalidad. Estos incluyen:
- un puntaje de Gleason ≥ 8,
- una concentración de antígeno prostático específico (PSA) superior a 20 ng/ml y
- la estadificación clínica T3a o superior.
Estos criterios ayudan a identificar a los pacientes que pueden beneficiarse de tratamientos más agresivos, como la radioterapia combinada con terapia de deprivación androgénica a largo plazo, para mejorar sus perspectivas de supervivencia y controlar la enfermedad.
Actualmente, no existen biomarcadores predictivos validados para identificar qué pacientes pueden beneficiarse de ADT a corto plazo (ST-ADT, 4 meses) sin comprometer los resultados oncológicos.
La inteligencia artificial (IA) se está consolidando como una herramienta clave en oncología, con aplicaciones que incluyen:
• Diagnóstico asistido: Reconocimiento automatizado de patrones histológicos en biopsias.
• Clasificación de riesgo y pronóstico: Modelos como el MMAI mejoran la estratificación más allá de criterios clínicos tradicionales.
• Predicción de respuesta al tratamiento: Herramientas como las del estudio de Armstrong et al. permiten decisiones personalizadas sobre intensificación o desescalamiento terapéutico.
• Detección de recurrencias y seguimiento: Algoritmos de imagen y análisis de datos longitudinales permiten identificar recaídas antes de que sean clínicamente evidentes.
• Planificación de tratamientos: Integración con imágenes de radioterapia o cirugía para personalizar intervenciones.
El estudio de Armstrong et al. desarrolló y validó un biomarcador multimodal de inteligencia artificial (MMAI) que combina datos de patología digital (imágenes de biopsias) y variables clínicas (PSA, Gleason, estadio T) para predecir el beneficio diferencial de LT-ADT frente a ST-ADT en hombres con CaP de alto riesgo.
Se utilizó una arquitectura de IA entrenada con datos de seis ensayos clínicos fase III del consorcio NRG/RTOG (n=6.423 pacientes) y se validó en un séptimo estudio independiente (RTOG 9202, n=1192). El modelo incorporó imágenes digitalizadas de patología y variables clínicas (edad, PSA, Gleason, estadio T), clasificando a los pacientes como biomarcador-positivos o negativos.
En la cohorte de validación con 17,2 años de seguimiento, LT-ADT redujo el riesgo de metástasis a distancia (DM) del 26 % al 17 % (HR=0,64; p<0,001). El biomarcador identificó al 66 % de los pacientes como positivos, con reducción de DM al recibir LT-ADT vs. ST-ADT (HR=0,55; p<0,001).
Los biomarcador-negativos (34 %) no obtuvieron beneficio de LT-ADT, sugiriendo que podrían evitarla sin afectar resultados. Hubo diferencias significativas en mortalidad asociada a metástasis (DDM), pero no en supervivencia global (OS), posiblemente por otras causas de muerte.
| Conclusión |
El sistema de D’Amico sigue siendo una herramienta sencilla y ampliamente adoptada para la toma de decisiones iniciales, pero su integración con biomarcadores de IA (como el MMAI) podría optimizar la personalización del tratamiento en el futuro.
Este estudio presenta el primer biomarcador predictivo validado que puede guiar la duración de la ADT en pacientes con cáncer de próstata localizado de alto riesgo.
Aproximadamente, un tercio de los pacientes podría evitar 24 meses de ADT prolongada, reduciendo toxicidad y costos, sin afectar el control de la enfermedad metastásica.