Ingenieros de la Universidad de California, San Diego, y un equipo de investigadores médicos han 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 a partir de portaobjetos de biopsia de tumores. .
Recientemente se publicó un artículo que describe un nuevo protocolo de IA para evaluar biopsias de rutina, llamado DeepHRD. Revista de Oncología Clínica.
El autor principal Lidmil Alexandrov, PhD, profesor de bioingeniería y profesor de medicina celular y molecular en UC San Diego, dice que el nuevo método podría 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 dice que su trabajo representa un gran paso adelante en los esfuerzos globales para poner fin a los retrasos y las desigualdades en salud que han nublado 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 individual.
“Hoy en día, un paciente con cáncer puede esperar semanas significativas después de un diagnóstico inicial de tumor para una prueba genómica estándar, lo que resulta en retrasos en el tratamiento que ponen en peligro su vida”, dijo Alexandroff. “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, incluido el Departamento de Medicina Celular y Molecular de la Facultad de Medicina de UC San Diego y el Departamento de Bioingeniería Shu Chien-Jean Li 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 la capacidad de la oncología de precisión para adaptar las opciones de tratamiento para un paciente individual lo que inspiró a los colaboradores, dijo Eric Bergstrom, PhD, autor principal del estudio e investigador postdoctoral en el laboratorio de Alexandroff.
“Desafortunadamente, el alto costo, los requisitos de tejido y la lentitud han obstaculizado el uso generalizado de la oncología de precisión, lo que ha llevado a los tratamientos más potencialmente dañinos para los pacientes con cáncer”, dijo Bergstrom. “Queríamos ver si podíamos desarrollar un enfoque completamente diferente para resolver este grave problema mediante el diseño de IA para evitar la necesidad de pruebas genómicas”.
Los colegas se centraron en aprovechar la cantidad mínima de información del paciente que está disponible en las primeras etapas del proceso de diagnóstico, dijo Bergstrom. Explicó que a casi 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. Este 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 una identificación rápida 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 ha perdido un mecanismo específico de reparación de daños en el 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 un tiempo crítico al paciente”, añadió Alexandroff. “Los oncólogos pueden prescribir tratamientos inmediatamente después del diagnóstico inicial del tejido. En particular, la prueba de IA tiene una tasa de falla insignificante, mientras que las pruebas genómicas actuales tienen una tasa de falla del 20 al 30 por ciento, lo que requiere una nueva prueba o una biopsia repetida invasiva “.
El coautor principal del estudio, Scott Lippman, MD, Profesor Distinguido de Medicina de UC San Diego, Centro de Ingeniería y Cáncer y miembro del Morris Cancer Center, dijo que la nueva tecnología eliminará las limitaciones de tiempo y dinero para brindar acceso inmediato y universal. e igualdad. Detectar biomarcadores genómicos procesables, esenciales para un tratamiento preciso, para personas con cáncer avanzado. El aspecto extraordinario de esta innovadora IA es que beneficiará a poblaciones altamente informadas e ingeniosas y, en particular, cerrará la “brecha” de graves disparidades en la atención médica, particularmente en áreas remotas y con recursos limitados en todo el mundo donde las pruebas aún no están disponibles. Disponible
“La era de la oncología de precisión comenzó a finales de los años 90, pero estudios recientes en Estados Unidos muestran que la mayoría de los pacientes con cáncer no reciben una terapia de precisión aprobada por la FDA”, afirmó Lippman. “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 de UC San Diego, con licencia para io9, una empresa con una fuerte participación de Alexandroff, Bergstrom y Lipman, y la plataforma de IA tiene como objetivo avanzar al campo médico. lo antes posible. Para que el tratamiento adecuado sea una realidad para los pacientes con cáncer, estos necesitan urgentemente el tratamiento adecuado. Los autores anticipan que la misma tecnología se puede aplicar a otros biomarcadores genómicos y a muchas formas de cáncer.
Afiliaciones: Los autores tienen las afiliaciones mencionadas anteriormente: los nombramientos de Ludmil B. Alexandrov 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 Escuela Irwin y Joan Jacobs son de Ingeniería. Eric N. Bergstrom está afiliado al Morris Cancer Center y al Departamento de Medicina Celular y Molecular. Scott M. Lippman tiene citas en el Moores Cancer Center, Departamento de Medicina. y es miembro y codirector de la Junta de Asesores y del Centro de Ingeniería y Cáncer del Instituto de Ingeniería en Medicina. Otros coautores son Amal Abbasi y Marcos Diaz-Guy, ambos del Centro Oncológico Moores y del Departamento de Medicina Celular y Molecular y del 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 Trasplantes del Centro de Oncología Biológica, el Centro Oncológico Georges-François Leclerc y la Universidad de Borgoña-Franche, Francia.
Financiamiento: Este trabajo fue financiado por las subvenciones R01ES032547 y U01DE033345 de los Institutos Nacionales de Salud de EE. UU. para Ludmil B. Alexandrov y P30 CA023100 para Scott M. Lippman, así como una subvención específica de CureBound y se proporcionó financiación inicial para UC San Diego Alexandrov. La investigación también contó con el apoyo del Instituto de Células Madre Sanford de UC San Diego.
