La IA y el aprendizaje automático impulsan el descubrimiento de biomarcadores y las estrategias de tratamiento del cáncer

Investigadores liderados por Xian-Yang Qin en el RIKEN Center for Integrative Medical Sciences, en Japón, han desarrollado una puntuación que predice el riesgo de cáncer de hígado. Publicado en la revista científica Proceedings of the National Academy of Sciences, el estudio establece que la proteína MYCN impulsa la tumorigenia hepática, en particular el tipo de tumores que se encuentran en el subtipo más letal de cáncer de hígado.

El cáncer de hígado, o carcinoma hepatocelular, es la causa de más de 800.000 muertes en todo el mundo cada año. La tasa de mortalidad es muy alta porque el cáncer a menudo permanece sin detectarse hasta etapas avanzadas y porque la tasa de recurrencia se sitúa entre el 70% y el 80%.

El gen MYCN está reconocido como un factor que contribuye al cáncer de hígado que se desarrolla a partir de hígados dañados, pero el mecanismo exacto ha permanecido poco claro. Los investigadores razonaron que, si su sobreexpresión conduce directamente a la tumorigenia hepática, sería un candidato ideal como biomarcador y para estudios adicionales. Para poner a prueba su teoría, el equipo utilizó primero un sistema de transposones basado en inyección hidrodinámica en la vena caudal para insertar MYCN (el transposón) en el genoma hepático del ratón.

El equipo halló que, cuando utilizaron el sistema para sobreexpresar MYCN junto con AKT constitutivamente activa, el 72% de los ratones desarrolló tumores hepáticos en un plazo de 50 días. Una variedad de pruebas mostró que estos tumores presentaban todas las características del carcinoma hepatocelular humano. No se desarrollaron tumores cuando se sobreexpresó uno u otro de estos genes por sí solo.

Para caracterizar el microambiente, los investigadores recurrieron a la transcriptómica espacial. Esta técnica muestra qué genes están activados en un tejido y exactamente dónde, dentro del tejido, está ocurriendo esa actividad. En un modelo murino de cáncer de hígado asociado a disfunción metabólica, los investigadores utilizaron este método para analizar la expresión génica a lo largo del tiempo y por localización a medida que se desarrollaban tumores hepáticos, centrándose en las áreas donde MYCN iba en aumento. Descubrieron un clúster de 167 genes que se expresaban de forma diferencial en secciones de hígado libres de tumor que presentaban niveles aumentados de MYCN. A este clúster lo denominaron el «nicho MYCN».

A partir de los datos de transcriptómica espacial en ratón, los investigadores desarrollaron a continuación un modelo de aprendizaje automático que puede tomar las características de un patrón determinado de expresión génica y generar una puntuación que indique si corresponde o no a un nicho MYCN. El modelo puede hacerlo con una exactitud del 93%.

Posteriormente se calculó la puntuación de nicho MYCN en conjuntos de datos humanos de carcinoma hepatocelular. Los pacientes con puntuaciones de nicho MYCN más altas mostraron un mayor riesgo de recurrencia tumoral y peores resultados clínicos. Esta relación fue más fuerte cuando la puntuación se derivó de tejido no tumoral que cuando se derivó de tejido tumoral. La puntuación representa así una prueba de concepto de biomarcador espacial que predice el pronóstico en función de microambientes que promueven la formación tumoral.

Este avance se produce mientras la inteligencia artificial demuestra un potencial más amplio en la atención oncológica más allá del diagnóstico. El tratamiento del cáncer solo puede dirigirse a 46 de las 750 mutaciones conocidas que afectan la progresión y la recurrencia de la enfermedad. Esta brecha se alinea directamente con el recientemente publicado NHS 10 Year Plan, que pide un diagnóstico más temprano y una cartera de intervenciones asequibles y personalizadas para mantener a los pacientes libres de cáncer.

La brecha en la supervivencia deja a los pacientes en un estado vulnerable tras el tratamiento, a menudo con el consejo obsoleto de «observar y esperar» a que el cáncer regrese. Tras la cirugía o la quimioterapia, la mayoría de los supervivientes de cáncer, en casi todos los tipos de cáncer, no dispone de un tratamiento de mantenimiento estándar.

Con IA, es posible cerrar esa brecha analizando más de 100.000 artículos de investigación revisados por pares para identificar fármacos de bajo coste y baja toxicidad ya disponibles en el mercado que puedan dirigirse a todo el espectro de 750 mutaciones impulsoras del cáncer. Dado que estos medicamentos ya son genéricos, respaldan directamente el énfasis del NHS 10 Year Plan en una innovación coste-efectiva que reduzca las desigualdades en salud.

La potencia de la IA reside en su capacidad para procesar conjuntos de datos masivos, incluidos datos biológicos, clínicos y farmacológicos, y descubrir conexiones que los humanos podrían pasar por alto. Por ejemplo, un estudio en la base de datos de los National Institutes of Health (NIH) sugiere que los fármacos antiinflamatorios podrían reducir el riesgo de recurrencia de la enfermedad en pacientes con cáncer de mama en un 42%. La IA puede identificar combinaciones de medicamentos existentes que puedan dirigirse simultáneamente a múltiples vulnerabilidades del cáncer, por ejemplo cuatro o cinco a la vez, maximizando el impacto mientras se minimiza la toxicidad.

Las nuevas terapias a menudo tardan más de una década y cuestan miles de millones de libras antes de estar disponibles. Mientras tanto, los supervivientes de cáncer se quedan sin opciones proactivas para prevenir la recurrencia en un momento en el que la intervención podría mejorar de forma drástica los resultados. La brecha en la supervivencia, históricamente infrafinanciada en comparación con el diagnóstico y el tratamiento activo, representa una oportunidad importante para cambiar los resultados mediante la reutilización de fármacos impulsada por IA y la identificación de biomarcadores aprendidos por máquinas.