En lo que respecta al cáncer y, hasta que no exista una vacuna para los diferentes tipos de tumores, la prevención es una de las estrategias más aceptadas. Anticiparse, mediante rutinas, dietas u otras acciones, puede ser también positivo. Pero… ¿Querríamos saber nuestra posibilidad de supervivencia ante un cáncer? Eso es lo que daría una inteligencia artificial.

Un equipo de científicos del Centro Oncológico Integral Jonsson Health de la Universidad de Los Ángeles California, ha desarrollado un modelo de inteligencia artificial basado en factores epigenéticos que puede predecir con éxito los resultados de los pacientes en múltiples tipos de cáncer. Básicamente, la epigenética son los cambios que se producen en la expresión de nuestros genes y que son provocados por la edad o factores ambientales. Y eso es lo que analiza esta IA.

El equipo, liderado por Hilary Coller, descubrió que, al examinar los patrones de expresión genética en los tumores, podían categorizarlos en distintos grupos para predecir los resultados de los pacientes en varios tipos de cáncer. Y los resultados eran más precisos que las medidas tradicionales como el grado del cáncer, su estado o el escenario. Los resultados, publicados en Communications Biology, también sientan las bases para el desarrollo de terapias dirigidas destinadas a regular los factores epigenéticos en la terapia del cáncer.

"Tradicionalmente, se ha considerado que el cáncer es principalmente el resultado de mutaciones genéticas dentro de oncogenes o supresores de tumores – señala Coller -. Sin embargo, la aparición de tecnologías avanzadas de secuenciación de próxima generación han hecho que más personas se den cuenta de que los niveles de factores epigenéticos son importantes para el cáncer y su progresión. También hay diferentes aspectos del estado de la cromatina (la forma en la que se presenta el ADN en el núcleo de la célula) que pueden afectar los resultados del cáncer. Comprender estas diferencias entre tumores podría ayudarnos a aprender más sobre por qué algunos pacientes responden de manera diferente a los tratamientos y por qué sus resultados varían”.

Si bien estudios anteriores han demostrado que las mutaciones en los genes que codifican factores epigenéticos pueden afectar la susceptibilidad al cáncer de un individuo, se sabe poco sobre cómo los niveles de estos factores afectan la progresión del cáncer. Esta brecha de conocimiento es crucial para comprender completamente cómo la epigenética afecta los resultados de los pacientes, señala el estudio.

Para ver si existía una relación entre los patrones epigenéticos y los resultados clínicos, los investigadores analizaron los patrones de expresión de 720 factores epigenéticos para clasificar tumores de 24 tipos diferentes de cáncer en distintos grupos. De los 24 tipos de cáncer en adultos, el equipo de Coller encontró que en 10 de ellos había diferencias significativas en los resultados de los pacientes, incluida la supervivencia libre de progresión, la supervivencia específica de la enfermedad y la supervivencia general.

Esto fue especialmente cierto para el carcinoma adrenocortical, el carcinoma de células claras renales, el glioma cerebral de grado inferior, el carcinoma hepatocelular de hígado y el adenocarcinoma de pulmón, donde las diferencias fueron significativas para todas las mediciones de supervivencia. Los grupos con malos resultados tendían a tener un estadio de cáncer más alto, un tamaño de tumor más grande o indicadores de diseminación más graves.

"Vimos que el futuro de un factor epigenético dependía del tejido de origen del tipo de cáncer - añade Mithun Mitra, coautor del estudio -. Incluso vimos este vínculo en los pocos tipos de cáncer pediátrico que analizamos. Esto puede ser útil para decidir la relevancia específica del cáncer y abordar terapéuticamente estos factores”.

Luego, el equipo utilizó niveles de expresión genética para entrenar y probar un modelo de IA para predecir los resultados de los pacientes. Este modelo fue diseñado específicamente para predecir lo que podría suceder con los cinco tipos de cáncer que tenían diferencias significativas en las medidas de supervivencia.

Con los datos en la mano, los autores descubrieron que el modelo podía dividir con éxito a los pacientes con estos cinco tipos de cáncer en dos grupos: uno con una probabilidad significativamente mayor de obtener mejores resultados y otro con una mayor probabilidad de obtener peores resultados.

"Este modelo de IA se entrena y prueba en pacientes adultos, pero sería bueno probarlo en otros conjuntos de datos independientes para explorar su aplicación a grandes poblaciones – concluye Mitra -. Se podrían generar modelos similares basados en factores epigenéticos para cánceres pediátricos para ver qué factores influyen en el proceso de toma de decisiones en comparación con los modelos creados con cánceres de adultos". La pregunta es si nos gustaría saberlo...