El Centro Integral Oncológico Clara Campal HM CIOOC, en colaboración con la madrileña Universidad Juan Carlos I de Móstoles, ha diseñado y desarrollado un estudio de Inteligencia Artificial (IA) aplicada al cáncer de ovario, que permite avanzar en el conocimiento de los biomarcadores moleculares predictivos y pronósticos de este tipo de tumor, lo que contribuirá a conocer mejor la evolución de esta enfermedad y, por tanto, a definir diagnósticos personalizados, más precisos y eficientes.
Hasta ahora, se habían determinado ciertas alteraciones genéticas como biomarcadores predictivos y pronósticos en cáncer de ovario, como son las mutaciones inactivadoras en los genes BRCA1 y BRCA2, pero son insuficientes para comprender la evolución global de esta patología. Por ello, HM CIOCC y este centro académico colaboraron para llevar a cabo esta investigación observacional multicéntrica centrada en la identificación de biomarcadores con potencial impacto en la práctica clínica.
Enfermedad "compeja"
El jefe de la Unidad de Tumores Ginecológicos y Genitourinarios de HM CIOCC Madrid y coautor de este trabajo, el doctor Jesús García-Donas, explica que se sabe que "el cáncer es una enfermedad compleja, en cuya evolución no solo son importantes las alteraciones genéticas, sino que, también, influyen las condiciones del microambiente, la regulación de la expresión génica y, por supuesto, las condiciones de la persona que lo padece".
Para realizar este estudio, se introdujeron los datos clínicos y genómicos de 300 pacientes con cáncer de ovario avanzado, con el objetivo de establecer una relación entre ellos y las variables que determinan la progresión de esta enfermedad.
Este medida supone "una novedosa línea de trabajo en la que estamos poniendo a punto algoritmos de Inteligencia Artificial capaces de integrar los datos genómicos, con las características clínicas y patológicas de esta enfermedad para poder abordarla de una forma compleja e integral. Pensamos que este enfoque podría darnos una visión más próxima a la realidad que los abordajes clásicos, centrados en alteraciones puntuales específicas", indica Jesús García-Donas.
Identificación de patrones comunes
En este sentido, los algoritmos de IA identificaron patrones comunes a aquellos casos que respondían bien al tratamiento frente a los que eran resistentes. "De confirmarse en cohortes independientes, estaríamos ante una nueva y prometedora línea de trabajo en la que nuestra precisión a la hora de predecir la evolución de un caso podría aumentar de forma exponencial", sostiene García-Donas.
En lo que se refiere al papel predictivo y pronóstico de determinadas variables, los resultados confirman que someter a las pacientes que presentan una elevada carga tumoral en el momento del diagnóstico a un tratamiento neoadyuvante, seguido de una cirugía de máximo esfuerzo, favorece la reducción de dicha carga. La asociación entre estas variables comporta una supervivencia más larga en concordancia con los datos previos de la literatura.