Modelo IA predice éxito de inmunoterapia, acortando tiempo de tratamiento contra cáncer

El nuevo modelo de machine learning podría reducir tiempo a tratamiento identificando rápido qué pacientes responden mejor a ICB en lugar del actual método de prueba y error.

Aprovechar inmunoterapia en lucha contra cáncer

Células tumorales se esconden de defensas naturales del cuerpo, haciendo cáncer notoriamente difícil de targetear y tratar. Células tumorales bloquean respuesta inmune natural pero inmunoterapia puede reactivarla para algunos pacientes. El problema es descubrir temprano qué pacientes tienen más probabilidad de responder.

Una terapia, bloqueadores de puntos de control inmune (ICB), dice a células inmunes que ignoren órdenes de apagado emitidas por células cancerosas intentando esconderse. Aunque es descubrimiento revolucionario, solo cerca de un tercio de pacientes con cáncer responden al tratamiento.

El nuevo modelo de machine learning podría reducir tiempo a tratamiento identificando rápido qué pacientes tienen más probabilidad de responder a ICB en lugar del actual método de prueba y error. Este modelo también puede ayudar a asegurar que pacientes que probablemente no respondan reciban tratamientos oportunos en su lugar. El modelo también puede descubrir exactamente por qué esos otros dos tercios de pacientes no responden.

Ver también: IA podría desbloquear nueva era de ensayos clínicos

Cómo funciona el modelo de machine learning

Machine learning explora biomarcadores de tumores de muestras de pacientes. Explora cómo estos marcadores se comunican con otras células causando o bien respuesta a ICB o bien rechazo. Desde allí, la máquina aprende de muestras de pacientes para identificar qué futuros pacientes portan los mismos biomarcadores que indican éxito de ICB.

Usar machine learning no es método nuevo, pero investigadores añadieron un pequeño truco para desentrañar un persistente problema de acceso a datos. Aunque datasets de secuenciación RNA están ampliamente disponibles, los específicos a respuesta al cáncer son limitados. Investigadores usaron varias respuestas inmunes sustitutas. Juntas, podían indicar respuesta positiva a ICB.

Al probarse contra detección de biomarcadores actual, el modelo funcionó mejor. También podría ser útil para identificar qué marcadores son más importantes para obtener la respuesta inmune deseada. Es otro paso en entregar medicina personalizada en colaboración con doctores y profesionales de salud.