Herramientas de IA aceleran las pruebas de fármacos oncológicos y la inscripción en ensayos clínicos
Nuevas plataformas impulsadas por IA permiten tomar decisiones de tratamiento oncológico el mismo día y agilizan la selección de ensayos clínicos. El chip μPharma de la University of Utah predice respuestas farmacológicas en menos de cuatro horas, mientras que el sistema HopeLLM de City of Hope empareja pacientes con ensayos en toda su red nacional.
Científicos de la University of Utah han desarrollado un nuevo dispositivo "lab-on-a-chip" que utiliza inteligencia artificial para predecir rápidamente la sensibilidad de células cancerosas a terapias dirigidas en niños con leucemia linfoblástica aguda de células T (T-ALL), un cáncer agresivo y difícil de tratar. El dispositivo, llamado μPharma, entrega resultados en menos de cuatro horas en lugar de varios días, ofreciendo una vía potencial hacia la medicina de precisión el mismo día cuando cada minuto cuenta.
Los investigadores afirman que la herramienta, que aún no se utiliza en entornos clínicos, puede ayudar a reducir tratamientos innecesarios y efectos secundarios al identificar rápidamente a qué terapias son sensibles las células cancerosas de un paciente. La plataforma identifica el perfil de respuesta farmacológica de un paciente sin exponer directamente las células cancerosas del paciente a los fármacos. Utilizando microfluídica digital para mover pequeñas gotas a través del chip y automatizar los pasos de manipulación de líquidos que requieren mucha mano de obra, reduce el número de células y reactivos necesarios, minimiza el error humano y acelera el proceso.
En un estudio publicado en Med, los científicos demostraron que μPharma predijo con precisión las respuestas a dos terapias dirigidas que actualmente se están investigando para T-ALL—dasatinib y venetoclax—y reveló una conexión previamente no reconocida entre la respuesta farmacológica y un marcador molecular clave. La plataforma puede detectar diferencias en la susceptibilidad a fármacos a nivel de células cancerosas individuales. Esto es importante porque si un fármaco particular es efectivo para algunas pero no todas las células cancerosas de un paciente, las células cancerosas supervivientes podrían recuperarse.
Un oncólogo pediátrico del Huntsman Cancer Institute y profesor asociado de pediatría de la University of Utah declaró que la innovación en la selección de tratamientos es una necesidad apremiante dentro de las neoplasias pediátricas. "La selección personalizada de tratamiento lograda en 'tiempo real' será parte del futuro de la terapéutica oncológica, y μPharma representa un paso alentador en esa dirección", dijo el médico.
Un investigador y miembro del Programa de Terapéutica Experimental del Huntsman Cancer Institute y profesor asistente de farmacéutica molecular de la University of Utah señaló que el equipo ha trabajado arduamente para desarrollar esta tecnología, y verla funcionar bien es un paso clave hacia llevarla a la clínica para ayudar a los pacientes. El proyecto es una colaboración entre investigadores de la University of Utah, St. Jude Children's Research Hospital y la University of Pennsylvania.
Un clínico colocaría una pequeña muestra de células cancerosas de un paciente en el dispositivo. En su interior, las células se mantienen entre dos placas espaciadas apenas más que el grosor de un cabello humano. Corrientes eléctricas mueven con precisión pequeñas gotas de químicos hacia y desde las células, automatizando completamente procesos de laboratorio que suelen requerir mucho tiempo y mano de obra. Un profesor asistente de ingeniería biomédica de la University of Utah declaró que el siguiente paso es la validación de esta tecnología utilizando células leucémicas primarias en un entorno clínico realista.
Mientras tanto, el sistema hospitalario City of Hope ha implementado HopeLLM, una plataforma de IA entrenada internamente diseñada para apoyar la atención oncológica y la investigación en toda su red nacional que abarca el sur de California, Phoenix, Chicago, Atlanta y docenas de clínicas. El vicepresidente ejecutivo del sistema y director digital y de tecnología describe a la organización como operando "como un sistema, no como una entidad única", con cualquier tecnología implementada funcionando en toda esa compleja estructura.
HopeLLM aborda un desafío familiar en la atención oncológica: la documentación abrumadora. Algunos pacientes podrían tener miles de páginas de notas asociadas con su atención a lo largo de muchos años. HopeLLM es capaz de procesar esa información y resumirla rápidamente para el médico. El ahorro de tiempo es sustancial, ya que los médicos a menudo pasan horas revisando registros fuera del horario laboral. Al resumir historias complejas, el sistema puede ahorrar de dos a tres horas por paciente.
La plataforma analiza datos multimodales—incluyendo registros clínicos, reclamaciones, genómica, radiología y patología—para identificar ensayos adecuados para un paciente. También puede invertir el proceso, escaneando poblaciones de pacientes para identificar candidatos cuando se abren nuevos ensayos. "Cuando un paciente viene a recibir atención, queríamos poder informarle de inmediato qué ensayos son elegibles para él", explicó el ejecutivo. Esa inmediatez importa en oncología, donde el momento puede determinar si un paciente obtiene acceso a una terapia potencialmente salvavidas.
City of Hope evaluó herramientas comerciales antes de construir la suya propia. Muchas tuvieron dificultades con datos oncológicos longitudinales y no lograron integrarse en flujos de trabajo clínicos reales. Diseñar internamente permitió al equipo reflejar cómo sus oncólogos realmente piensan y practican. Los clínicos con licencia retienen la autoridad de decisión final. "Ningún algoritmo realmente obtiene autoridad moral", dijo el ejecutivo. "La IA puede asistir... pero no puede asumir la responsabilidad clínica".
Más allá de emparejar pacientes individuales, HopeLLM está transformando las evaluaciones de viabilidad en toda la red. City of Hope ha evaluado más de 200 ensayos utilizando la plataforma. Tareas que antes tomaban semanas ahora pueden completarse en minutos, permitiendo a los equipos identificar pacientes elegibles en múltiples ubicaciones rápidamente. El ejecutivo describe esto como parte de un modelo nacional de ensayos clínicos: coordinación centralizada combinada con sitios de investigación geográficamente distribuidos. El enfoque mejora el acceso a ensayos mientras permite que los estudios se lancen en múltiples regiones casi simultáneamente.
La T-ALL es un subtipo desafiante de leucemia linfoblástica aguda, el cáncer infantil más común. Aunque las tasas de remisión completa han mejorado, muchos sobrevivientes experimentan efectos a largo plazo de la quimioterapia intensiva. Determinar rápidamente la respuesta farmacológica podría ayudar a los clínicos a personalizar los tratamientos más pronto, reduciendo la exposición a terapias ineficaces y efectos secundarios.