Investigadores del Cáncer en Sanford Burnham Prebys (EEUU) han llevado a cabo un nuevo estudio, publicado en la revista ´Nature Cancer´, en el que han descrito un método computacional pionero para predecir sistemáticamente la respuesta de los pacientes a los fármacos contra el cáncer con una resolución unicelular.

Denominado ´PERsonalized Single-Cell Expression-Based Planning for Treatments in Oncology´ o ´PERCEPTION´, el nuevo método basado en inteligencia artificial profundiza en la utilidad de la transcriptómica, el estudio de los factores de transcripción, las moléculas de ARN mensajero expresadas por los genes que transportan y convierten la información del ADN en acción.

"Un tumor es una bestia compleja y cambiante. El uso de la resolución unicelular puede permitirnos abordar ambos retos. ´PERCEPTION´ permite utilizar la rica información de la ómica unicelular para comprender la arquitectura clonal del tumor y monitorizar la aparición de resistencias", ha indicado el primer autor Sanju Sinha, profesor asistente en el Programa de Terapéutica Molecular del Cáncer en Sanford Burnham Prebys.

"La capacidad de controlar la aparición de resistencias es lo que más me entusiasma. Tiene el potencial de permitirnos adaptarnos a la evolución de las células cancerosas e incluso modificar nuestra estrategia de tratamiento", ha añadido Sinha.

Sinha y sus colegas utilizaron el aprendizaje por transferencia -una rama de la IA- para construir ´PERCEPTION´. "Nuestro mayor reto fue la escasez de datos unicelulares procedentes de las clínicas. Un modelo de IA necesita grandes cantidades de datos para comprender una enfermedad, de forma parecida a como ´ChatGPT´ necesita enormes cantidades de datos de texto extraídos de Internet", ha explicado el investigador.

´PERCEPTION´ utiliza la expresión génica masiva publicada de tumores para preentrenar sus modelos. A continuación, se utilizaron datos unicelulares de líneas celulares y pacientes, aunque limitados, para ajustar los modelos.

El programa fue validado con éxito mediante la predicción de la respuesta a la monoterapia y al tratamiento combinado en tres ensayos clínicos independientes, recientemente publicados, para el mieloma múltiple, el cáncer de mama y el cáncer de pulmón.

En todos los casos, ´PERCEPTION´ estratificó correctamente a los pacientes en respondedores y no respondedores. En el cáncer de pulmón, incluso captó el desarrollo de resistencia a los fármacos a medida que avanzaba la enfermedad, un descubrimiento notable con gran potencial.

Sinha afirma que ´PERCEPTION´ no está listo para su uso clínico, pero demuestra que la información unicelular puede utilizarse para guiar el tratamiento. Espera fomentar la adopción de esta tecnología en las clínicas para generar más datos, que puedan utilizarse para seguir desarrollando y perfeccionando la tecnología para su uso clínico.

"La calidad de la predicción aumenta con la calidad y cantidad de los datos que le sirven de base. Nuestro objetivo es crear una herramienta clínica que pueda predecir la respuesta al tratamiento de cada paciente con cáncer de forma sistemática y basada en datos. Esperamos que estos hallazgos estimulen más datos y más estudios de este tipo, más pronto que tarde", ha finalizado Sinha.