El análisis multimodal predice la respuesta a la terapia en el cáncer gástrico HER2+
La integración de datos radiológicos, patológicos y clínicos mediante inteligencia artificial mejora la predicción, en pacientes tratados con agentes biológicos seleccionados.
Científicos de diversos centros chinos han determinado que la respuesta a los agentes anti-HER-2, solos o en combinación con inmunoterapia, puede ser predicha con elevada precisión mediante técnicas de Deep Learning, en pacientes con cáncer gástrico HER2+. El nuevo enfoque se basa en el análisis global de todos los datos ...
Científicos de diversos centros chinos han determinado que la respuesta a los agentes anti-HER-2, solos o en combinación con inmunoterapia, puede ser predicha con elevada precisión mediante técnicas de Deep Learning, en pacientes con cáncer gástrico HER2+. El nuevo enfoque se basa en el análisis global de todos los datos médicos del paciente, ofreciendo una fiabilidad del 82 al 91%, dependiendo del régimen terapéutico utilizado. Los pacientes clasificados como de bajo riesgo por este método experimentaron un significativo aumento tanto de la supervivencia global como de la libre de progresión.
Así lo afirma Lin Shen, investigador de la Universidad de Pekín y codirector del estudio, quien prosigue subrayando la heterogeneidad de este tipo de cáncer, la cual ha dificultado hasta ahora el establecimiento de predicciones precisas acerca del resultado del tratamiento. En efecto, los resultados de ensayos clínicos previos demuestran que menos de la mitad de los pacientes con tumores HER2+ responden a la combinación de trastuzumab con quimioterapia, mientras que la adición del agente anti-PD-L1 pembrolizumab a la terapia estándar no resulta necesariamente en incremento de la supervivencia global, incluso en pacientes con sustancial respuesta objetiva, señala el científico.
La integración de perfiles clínicos, pruebas de imagen y observaciones del tejido permite entender mejor el comportamiento del tumor, lo que es imperativo en la selección de la terapia, asegura Shen. El investigador concluye indicando que la aplicación de la inteligencia artificial en este ámbito todavía se encuentra en fase temprano de desarrollo, requiriendo participación humana en ciertas tareas, tales como la delineación de las lesiones radiológicas o la expresión diferencial de HER2+ en diversas áreas de muestras de tejido.
