Un equipo dirigido por ingenieros e investigadores médicos de la Universidad de California en San Diego ha desarrollado una nueva generación de herramientas de inteligencia artificial (IA) diseñadas para permitir la detección rápida y de bajo costo de alteraciones genómicas clínicamente procesables directamente a partir de portaobjetos de biopsia de tumores.
Recientemente se publicó un artículo que describe un nuevo protocolo de IA para realizar pruebas de biopsia de rutina llamado DeepHRD. Revista de Oncología Clínica.
El autor principal Ludmil Alexandrov, PhD, profesor de bioingeniería y profesor de medicina celular y molecular en UC San Diego, dijo que el nuevo método está diseñado para ahorrar semanas y miles de dólares del flujo de trabajo del tratamiento de oncología clínica para el cáncer de mama y de ovario.
El equipo dijo que su trabajo representa un gran paso adelante en los esfuerzos globales para abordar los retrasos y las disparidades de salud que han afectado la promesa de la medicina de precisión para los pacientes con cáncer. El panorama general: desarrollar nuevas herramientas de inteligencia artificial que puedan complementar o reemplazar las costosas y lentas pruebas genómicas necesarias para determinar el mejor tratamiento de primera línea contra el cáncer para cada paciente.
“Hoy en día, un paciente con cáncer puede esperar semanas críticas después del diagnóstico de su tumor primario para una prueba genómica estándar, lo que resulta en retrasos en el tratamiento que ponen en peligro su vida”, dijo Alexandrov. “Es motivo de gran preocupación que los altos costos y los retrasos hagan que los protocolos de tratamiento que salvan vidas sean inaccesibles para la mayoría de los pacientes, lo que afecta de manera desproporcionada a los entornos con recursos limitados”.
En UC San Diego, este trabajo representa una colaboración en todo el campus con el Departamento de Medicina Celular y Molecular de la Facultad de Medicina de UC San Diego y el Departamento de Bioingeniería Shu Chien-Jin Le de la Facultad de Ingeniería Jacobs de UC San Diego. , Instituto de Ingeniería en Medicina, Departamento de Medicina y Centro Oncológico Moores de UC San Diego.
Fue el potencial de la oncología de precisión para adaptar las opciones de tratamiento de un paciente lo que inspiró a los colaboradores, dijo Eric Bergstrom, PhD, autor principal del estudio e investigador postdoctoral en el laboratorio de Alexandrov, que une la bioingeniería y la medicina.
“Desafortunadamente, los altos costos, los requisitos de tejido y los tiempos de respuesta lentos han obstaculizado el uso generalizado de la oncología de precisión, lo que ha llevado a tratamientos subóptimos, potencialmente dañinos, para los pacientes con cáncer”, afirmó Bergstrom. “Queríamos ver si podíamos desarrollar un enfoque completamente diferente para resolver este problema crítico mediante el diseño de IA para evitar la necesidad de pruebas genómicas”.
Bergstrom dice que los colaboradores se centran en la cantidad mínima de información del paciente que está disponible en las primeras etapas del proceso de diagnóstico. Explicó que prácticamente a todos los pacientes con cáncer se les realiza una biopsia del tumor, una muestra de tejido que se procesa y examina de forma rutinaria bajo un microscopio óptico. El proceso se desarrolló a finales del siglo XIX y sigue siendo la columna vertebral estándar del flujo de trabajo de la oncología clínica inicial en la actualidad.
“Nuestra IA, aplicada directamente a un portaobjetos de tejido tradicional, permite la detección inmediata y precisa de biomarcadores genómicos del cáncer”, dijo Bergstrom. Explicó que el equipo se centró en la identificación por IA de un biomarcador específico para la deficiencia de recombinación homóloga (HRD), una condición en la que una célula cancerosa pierde un mecanismo específico de reparación del daño del ADN.
Bergstrom señaló que los pacientes con cáncer de ovario o de mama que albergan HRD generalmente responden bien a la terapia con platino y PARP (poli-ADP ribosa polimerasa), dos formas comunes de quimioterapia.
“Este enfoque de IA ahorra al paciente un tiempo crítico”, añadió Alexandrov. “Los oncólogos pueden prescribir un tratamiento inmediatamente después del diagnóstico inicial del tejido. Sorprendentemente, la tasa de fracaso de las pruebas de IA es insignificante, mientras que la tasa de fracaso de las pruebas genómicas actuales es del 20 al 30 por ciento, lo que requiere nuevas pruebas o incluso nuevas biopsias invasivas”.
El coautor principal del estudio, Scott Lipman, MD, profesor distinguido del Departamento de Medicina, Centro de Ingeniería y Cáncer de UC San Diego, y miembro del Centro Oncológico Moores, dijo que la nueva tecnología eliminará las barreras de tiempo y dinero para permitir acceso inmediato y universal y equidad. Para identificar biomarcadores genómicos procesables, esenciales para la terapia de precisión, para personas con cáncer avanzado. El aspecto extraordinario de esta innovadora IA es que beneficiará a poblaciones altamente informadas y con recursos y, sorprendentemente, cerrará la ‘brecha’ crítica de las disparidades en la medicina de precisión, particularmente en áreas remotas y con recursos limitados del mundo donde las pruebas aún no se han realizado. tener lugar. existir
“La era de la oncología de precisión comenzó a finales de los años 90, pero estudios recientes en EE. UU. han demostrado que la mayoría de los pacientes con cáncer no reciben terapias de precisión aprobadas por la FDA”, afirmó Lipman. “Y la razón principal es que no se están probando. Como oncólogo clínico (y he estado haciendo esto durante casi 40 años) no hay duda de que este enfoque es el futuro de la oncología de precisión”.
La tecnología de IA detrás de DeepHRD está protegida por una patente provisional a través de UC San Diego, que ha sido licenciada a io9, una compañía con fuertes vínculos con Alexandrov, Bergstrom y Lippmann, y tiene como objetivo llevar esta plataforma de IA al ámbito clínico lo antes posible. como sea posible. Implementar una terapia de precisión para los pacientes con cáncer con el tratamiento específico que necesitan con urgencia. Los autores esperan que la misma tecnología pueda aplicarse a la mayoría de los demás biomarcadores genómicos y a diferentes tipos de cáncer.
Afiliaciones: Los autores tienen las afiliaciones antes mencionadas: Ludmil B. Alexandrov ocupa cargos en el Centro Oncológico Moores de UC San Diego, el Departamento de Medicina Celular y Molecular de la Facultad de Medicina, el Instituto de Células Madre de Sanford y el Departamento de Bioingeniería de la Facultad de Ingeniería Irwin y Joan Jacobs. eric n. Bergstrom está afiliado al Moores Cancer Center y al Departamento de Medicina Celular y Molecular. Scott M. Lippman tiene citas con el Moores Cancer Center, Departamento de Medicina; y miembro del consejo asesor y codirector del Centro de Ingeniería y Cáncer del Instituto de Ingeniería en Medicina. Otros coautores son Ammal Abbasi y Marcos Diaz-Gay, Moores Cancer Center y Departamento de Medicina Celular y Molecular y el Departamento de Bioingeniería de la Escuela de Ingeniería Jacobs; Loïck Galland y Sylvain Ladoire, ambos del Departamento de Oncología Médica y de la Plataforma de Transferencia del Centro de Oncología Biológica, el Centro Oncológico Georges-François Leclerc y la Universidad de Borgoña-Francia, Francia.
Financiamiento: Este trabajo fue apoyado por las subvenciones R01ES032547 y U01DE033345 de los Institutos Nacionales de Salud de EE. UU. a Ludmil B. fue financiado por Alexandrov y P30 CA023100 para Scott M. Lippman, así como una subvención específica de CureBound y el Fondo Inicial de UC San Diego para Alexandrov. La investigación de este estudio fue apoyada por el Instituto de Células Madre Sanford de UC San Diego.